python – 在numpy数组中每隔n次删除一系列元素

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 在numpy数组中每隔n次删除一系列元素，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1557字，纯文字阅读大概需要3分钟。

内容图文

我知道如何删除numpy数组中的每个第4个元素：

frame = np.delete(frame,np.arange(4,frame.size,4))

现在我想知道是否有一个简单的命令可以删除每n个(例如4)次3个值.

一个基本的例子：

input: [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20….]

会导致：

output: [1,2,3,7,8,9,13,14,15,19,20,….]

我希望有一个简单的numpy / python功能,而不是编写一个必须迭代向量的函数(因为它在我的情况下很长,…).

谢谢您的帮助

解决方法:

使用布尔索引的方法：

def block_delete(a, n, m):  #keep n, remove m
    mask = np.tile(np.r_[np.ones(n), np.zeros(m)].astype(bool), a.size // (n + m) + 1)[:a.size]
    return a[mask]

与@Divakar比较：

def mod_delete(a, n, m):
    return a[np.mod(np.arange(a.size), n + m) < n]

a = np.arange(19) + 1

%timeit block_delete(a, 3, 4)
10000 loops, best of 3: 50.6 μs per loop

%timeit mod_delete(a, 3, 4)
The slowest run took 9.37 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 5.69 μs per loop

让我们尝试更长的数组：

a = np.arange(999) + 1

%timeit block_delete(a, 3, 4)
The slowest run took 4.61 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 54.8 μs per loop

%timeit mod_delete(a, 3, 4)
The slowest run took 5.13 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 14.5 μs per loop

更长时间：

a = np.arange(999999) + 1

%timeit block_delete(a, 3, 4)
100 loops, best of 3: 3.93 ms per loop

%timeit mod_delete(a, 3, 4)
100 loops, best of 3: 12.3 ms per loop

所以哪个更快将取决于您的阵列的大小

内容总结

以上是互联网集市为您收集整理的python – 在numpy数组中每隔n次删除一系列元素全部内容，希望文章能够帮你解决python – 在numpy数组中每隔n次删除一系列元素所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端