Python 删除与布尔掩码对应的数组中的所有元素

我有一个作为二维numpy数组（布尔数组）存在的布尔掩码

我还有一个单独的二维numpy值数组，它的维数与布尔掩码（值数组）相同

我想做的是删除布尔区域中相同位置等于

False

的值数组中的所有元素。有没有一个简单的方法可以做到这一点

本例所需的输出为：

array([[ 19.189 ,  23.2535,  23.1555,  23.4655,  22.6795,  20.3295,  19.7005],
       [ 20.688 ,  20.537 ,  23.8465,  21.2265,  24.5805,  25.842 ,  23.198 ],
       [ 22.418 ,  21.0115,  21.0355,  20.217 ,  24.1275,  24.4595,  21.981 ],
       [ 21.156 ,  18.6195,  23.299 ,  22.5535,  23.2305,  28.749 ,  21.0245]])

---

在这个特定的示例中，所有

False

值都存在于布尔数组的末尾，但情况并非总是如此，它们可以随机分布。因此，我需要一种从值数组中删除任何元素的方法，其中对应的掩码值等于布尔数组中的

False

，假设掩码将由所有

True

或所有

False

行组成，则可以使用

掩码。all（axis=1）

和索引：

In [116]: x
Out[116]: 
array([[ 1.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.]])

In [117]: x[mask.all(axis=1)]
Out[117]: 
array([[ 1.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.,  0.,  0.]])

---

在大多数情况下，您可以简单地创建一个行为类似于“删除”的元素，该元素还允许从列/行中“删除”单个元素，同时保持维度不变：

import numpy as np
arr = np.array([[ 19.189 , 23.2535, 23.1555, 23.4655, 22.6795, 20.3295, 19.7005],
                [ 20.688 , 20.537 , 23.8465, 21.2265, 24.5805, 25.842 , 23.198 ],
                [ 22.418 , 21.0115, 21.0355, 20.217 , 24.1275, 24.4595, 21.981 ],
                [ 21.156 , 18.6195, 23.299 , 22.5535, 23.2305, 28.749 , 21.0245],
                [ 21.7495, 19.614 , 20.3025, 21.706 , 22.853 , 19.623 , 16.7415],
                [ 20.9715, 21.9505, 21.1895, 21.471 , 21.0445, 21.096 , 19.3295],
                [ 24.3815, 26.2095, 25.3595, 22.9985, 21.586 , 23.796 , 20.375 ]])
mask = np.array([[ True,  True,  True,  True,  True,  True,  True],
                 [ True,  True,  True,  True,  True,  True,  True],
                 [ True,  True,  True,  True,  True,  True,  True],
                 [ True,  True,  True,  True,  True,  True,  True],
                 [False, False, False, False, False, False, False],
                 [False, False, False, False, False, False, False],
                 [False, False, False, False, False, False, False]])
marr = np.ma.MaskedArray(arr, mask=~mask)
marr

给出：

masked_array(data =
 [[19.189 23.2535 23.1555 23.4655 22.6795 20.3295 19.7005]
 [20.688 20.537 23.8465 21.2265 24.5805 25.842 23.198]
 [22.418 21.0115 21.0355 20.217 24.1275 24.4595 21.981]
 [21.156 18.6195 23.299 22.5535 23.2305 28.749 21.0245]
 [-- -- -- -- -- -- --]
 [-- -- -- -- -- -- --]
 [-- -- -- -- -- -- --]],
             mask =
 [[False False False False False False False]
 [False False False False False False False]
 [False False False False False False False]
 [False False False False False False False]
 [ True  True  True  True  True  True  True]
 [ True  True  True  True  True  True  True]
 [ True  True  True  True  True  True  True]],
       fill_value = 1e+20)

在这种情况下，还可以使用以下内容压缩至少包含一个屏蔽元素的所有行：

---

为了说明我的评论：

In [33]: arr = np.arange(12).reshape(3,4)
In [34]: mask = ((arr+1)%3)>0
In [35]: mask
Out[35]: 
array([[ True,  True, False,  True],
       [ True, False,  True,  True],
       [False,  True,  True, False]], dtype=bool)

arr[mask]

是1d，因为通常此选择不会返回整洁的2d数组

In [36]: arr[mask]
Out[36]: array([ 0,  1,  3,  4,  6,  7,  9, 10])

我们可以通过掩蔽阵列解决方案清楚地看到这一点

In [37]: marr = np.ma.MaskedArray(arr,mask=~mask)
In [38]: marr
Out[38]: 
masked_array(data =
 [[0 1 -- 3]
 [4 -- 6 7]
 [-- 9 10 --]],
             mask =
 [[False False  True False]
 [False  True False False]
 [ True False False  True]],
       fill_value = 999999)

ma

compressed返回1d数组

In [39]: marr.compressed()
Out[39]: array([ 0,  1,  3,  4,  6,  7,  9, 10])

有了8个术语，我可以把它改成（4,2），但不涉及3

---

您可以使用

any

或

all

的各种组合来屏蔽整行或整列。整行是真还是假？或者会有混合？如果我的答案有帮助，你可以或告诉我哪里出了问题，这样我就可以修复它。

arr[mask]

做出这样的选择。结果将是1d，因为通常这样的掩码可以选择每行不同数量的值。在某些情况下，您可能能够将结果重塑为有意义的二维数组。

In [36]: arr[mask]
Out[36]: array([ 0,  1,  3,  4,  6,  7,  9, 10])

In [37]: marr = np.ma.MaskedArray(arr,mask=~mask)
In [38]: marr
Out[38]: 
masked_array(data =
 [[0 1 -- 3]
 [4 -- 6 7]
 [-- 9 10 --]],
             mask =
 [[False False  True False]
 [False  True False False]
 [ True False False  True]],
       fill_value = 999999)

In [39]: marr.compressed()
Out[39]: array([ 0,  1,  3,  4,  6,  7,  9, 10])