如何在python中选择矩阵中的非零列

假设我有以下格式的数据：

C0 C1 C2 C3 C4 C5 C6 C7 C8
0  0  0  0  0  0  0  0  0
0  0  0  0  0  0  0  0  0
0  0  2  3  4  5  6  0  0
0  1  4  5  6  7  8  0  0
0  0  0  0  0  0  0  0  0

---

我想选择非零列，例如python中的列

C1、C2、C3、C4、C5、C6

。任何可以直接为我提供所需格式的命令。

如果您使用像pandas这样的库，那么它会更简单

您只需取每列的平均值，如果它们大于0，则它们是您所需的列

为此，我将给您一段代码：

import pandas as pd

df = pd.read_csv("File Path")
a = df.mean(axis=0) #gives you column wise mean
for i in len(a):
   if a[i] > 0:
      print(i)  # i will be your column

---

假设矩阵实现为列表列表，其中第一个索引是列，第二个索引是行：

matrix[3][2] == 3

然后，您可以使用列表理解来获得一个列表，其中仅包含

矩阵中不全为零的列

nonzero_columns = [column for column in matrix if any(column)]
# any() will return true here if any element of column is nonzero

您可以使用
any
和
numpy
索引来选择具有非零值的列

设置



使用
numpy
：

import numpy as np 

a = np.array([[0,0,0,0,0,0,0,0,0],
              [0,0,0,0,0,0,0,0,0],
              [0,0,2,3,4,5,6,0,0],
              [0,1,4,5,6,7,8,0,0],
              [0,1,4,5,6,7,8,0,0]])

r = np.nonzero(np.any(a != 0, axis=0))[0]

>>> r
[1 2 3 4 5 6]

如果您需要这些列名（
C1
，
C2
，
C3
，
C4
，
C5
，
C6
），请使用
pandas
：

columns = ['C0', 'C1', 'C2', 'C3', 'C4', 'C5', 'C6', 'C7', 'C8']
s = pd.DataFrame(data=a, columns=columns).any()

s = s[s == 1]

>>> s
C1    True
C2    True
C3    True
C4    True
C5    True
C6    True
dtype: bool

这是什么样的数据结构？包含C1、C2、C3、C4、C5列的矩阵，C6@RayyanKhan什么样的矩阵？熊猫DF，NumPy数组，Python列表列表。。。等等@Tomothy32，我有一个n*n格式的NumPy数组，因为数组的大小更大，我不认为使用loop可以得到期望的结果，因为它需要大量的计算时间。该数组的大小不超过_columns@RayyanKhan.any（）似乎是唯一的其他方法，但是这也使用了loopsYes，但是为了让你明白我使用了这种方法如果这有助于你，请将其作为验证答案谢谢你的友好回复。另外，如果我想以类似的方式排除行，比如如果我想要第2行和第3行，我应该使用什么命令？行应该是
a[a.any（1）]
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 2, 3, 4, 5, 6],
       [1, 4, 5, 6, 7, 8],
       [0, 0, 0, 0, 0, 0]], dtype=int64)

import numpy as np 

a = np.array([[0,0,0,0,0,0,0,0,0],
              [0,0,0,0,0,0,0,0,0],
              [0,0,2,3,4,5,6,0,0],
              [0,1,4,5,6,7,8,0,0],
              [0,1,4,5,6,7,8,0,0]])

r = np.nonzero(np.any(a != 0, axis=0))[0]

>>> r
[1 2 3 4 5 6]

columns = ['C0', 'C1', 'C2', 'C3', 'C4', 'C5', 'C6', 'C7', 'C8']
s = pd.DataFrame(data=a, columns=columns).any()

s = s[s == 1]

>>> s
C1    True
C2    True
C3    True
C4    True
C5    True
C6    True
dtype: bool