Python 快速高效的数组切片避免删除操作

我试图获取数组a（N，3）的一个切片（例如元素1-3和5-N），避免使用numpy.delete。该过程的示例如下所示：

 [[1,2,3],[4,5,6],[7,8,9],[3,2,1]] ==>  [[1,2,3],[3,2,1]]

我希望使用类似于

A[A != [1,2,3] ].reshape()

但这会执行元素级比较，因此删除的元素比我希望的要多。怎么做？我提出了这个想法，但似乎太复杂和缓慢：

A_removed = A[first_removed:last:removed,:] 
mask      = np.not_equal(A[:,None],A_removed)
mask      = np.logical_and.reduce(mask,1)
A         = A[mask].reshape()

有没有一种更快/更干净的方法

一个元素的任意两个元素不能相等的假设总是成立的 重读这个问题，我现在很确定OP想要的是与我最初发布的相反的内容。以下是您如何获得的：

import numpy as np

def selectRow(arr, selrow):
    selset = set(selrow)
    return np.array([row for row in arr if selset == set(row)])
    
arr = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9],
    [3,2,1]
])

selectRow(arr, [1,2,3])

输出：

array([[1, 2, 3],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9]])

我暂时保留原始答案，以防万一我错了

原始答案 订购版 那就：

import numpy as np

def withoutRow(arr, badrow):
    return np.array([row for row in arr if not np.array_equal(row, badrow)])

然后，您将使用它作为：

arr = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9],
    [3,2,1]
])

withoutRow(arr, [1,2,3])

输出：

array([[1, 2, 3],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9]])

withoutRow

应该相当有效（尤其是与布尔索引相比），因为只有一个循环（在原始数组的行上），并且您只需要构造一个新数组（返回值）

无序版本 如果要删除具有匹配坐标的任何点，而不考虑坐标顺序，则可以使用：

def withoutRowUnordered(arr, badrow):
    badset = set(badrow)
    return np.array([row for row in arr if badset != set(row)])

withoutRowUnordered(arr, [1,2,3])

输出：

array([[1, 2, 3],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9],
       [3, 2, 1]])

array([[4, 5, 6],
       [7, 8, 9]])

---

你能用语言解释一下你将如何获得预期的输出吗？也许-

A[~（A！=[1,2,3]）。全部（1）]

或

A[（A=[1,2,3]）。任何（1）]

都是通过复杂的代码进行的。你的问题是以任何顺序匹配给定的值吗？如果是这样，我建议您使用set操作，或者对临时变量中的值进行排序以进行比较。老实说，这听起来像是

numpy.delete

的工作。您不可能比

numpy.delete

更快地完成此操作。最可能的优化途径可能是重新构造计算以消除此操作，而不是加快此操作。