Python 理解np.all和删除索引时缺少元素

我有一个大小为（400,40）的数据集。有些列完全为零。它们不是计算所必需的（我需要忽略它们），但它们是重写文件所必需的

所以我使用numpy将其作为数组导入，完成初始化。但是，当我尝试逆矩阵（同样，计算需要）时，出现了一个问题。据我所知，如果一个矩阵有一个完整的零列，就不可能求逆（det（M）=0）

所以我用这个来得到非零列：

nonZero = dataSet[:, np.all(dataSet != 0, axis=0)]

（我还尝试在np.all中使用np.sum对列求和），但它毫无理由跳过了一些列

例如，我的第一行有：

[ 0, -1, -2, -3, 181, 5451, 0, 0, 8, 8, 1, 9, 9, 1, 0.11, 0, 0 ] etc.

当我运行上述代码时，我得到：

[ -1.  -2.  -3.  181.  8.  8.  1.  9.  9.  1.  ]

5451和0.11消失，即使整列不等于0，也不等于0

我还需要得到删除的列索引，因为我需要在计算之后重新连接它们

---

我不是最好的Python程序员，但我似乎无法解决这个问题，也无法理解为什么会发生这种情况。我最近学会了如何使用numpy，我是一个非常初学者。这已经困扰我两天了。感谢您的推荐/帮助。

您的逻辑有误。您不希望放弃所有值均为非零的列。给出了要放弃全部为零的列的说明：

例如：

arr = np.array([[1, 1, 0, 1, 0, 0, 1, 0, 0, 1],
                [1, 0, 0, 1, 1, 1, 1, 0, 0, 1],
                [0, 1, 0, 1, 0, 1, 0, 0, 0, 0],
                [1, 0, 0, 1, 0, 0, 0, 0, 1, 0],
                [0, 0, 0, 1, 0, 0, 0, 0, 1, 0]])
arr[:, ~np.all(arr == 0, axis=0)]
# array([[1, 1, 1, 0, 0, 1, 0, 1],
#        [1, 0, 1, 1, 1, 1, 0, 1],
#        [0, 1, 1, 0, 1, 0, 0, 0],
#        [1, 0, 1, 0, 0, 0, 1, 0],
#        [0, 0, 1, 0, 0, 0, 1, 0]])

但您也可以使用而不是

np.all

：

arr[:, np.any(arr != 0, axis=0)]

---

最好使用较小的示例

例如：

arr = np.array([
    [0, 0, 1],
    [0, 1, 1]
])

nonzero = arr != 0
print(nonzero)
# prints
# [[False False  True]
#  [False  True  True]]

all_nonzero = np.all(nonzero, axis=0)
print(all_nonzero)
# prints
# [False False  True]

现在你看到问题了。您的逻辑创建一个列掩码，该掩码只选择列中所有元素均为非零的列。实际上，您需要的是并非所有元素都为零的列，或者换句话说：列中的任何元素都不是零

any_nonzero = np.any(nonzero, axis=0)
print(any_nonzero)
# prints
# [False  True  True]

---

np.all

与

类似，如果值为零，它将检查每个值。您想要的是使用
np.any
来表示
或类似的行为，即如果您想忽略非零列示例中存在的0

dataSet = np.array([[ 0, -1, -2, -3, 181, 5451, 0, 0, 8, 8, 1, 9, 9, 1, 0.11, 0, 0 ],
                [ 0, -1, -2, -3, 181, 5451, 0, 0, 8, 8, 1, 9, 9, 1, 0, 0, 0 ],
                [ 0, -1, -2, -3, 181, 0,    0, 0, 8, 8, 1, 9, 9, 1, 0.11, 0, 0 ]])
nonZero = dataSet[:, np.any(dataSet, axis=0)]
nonZero

输出：

(array([ 0,  6,  7, 15, 16]),)
（数组（[0,6,7,15,16]），）
啊，我问错了。是的，这才是真正的逻辑！谢谢你的推荐，但对我不起作用。未对行进行任何更改：\n哦，不管我的逻辑是否正确，但我的代码是错误的。但还是没用。我想我如何导入列表有问题…谢谢你的解释。现在我明白了问题所在。不幸的是，我还在学习python，不知道我们是否可以用bools进行调试！
np.where(~dataSet.any(axis=0))

(array([ 0,  6,  7, 15, 16]),)