numpy删除全零行

在NumPy库中，如果你想要删除数组中的所有全零行（即行元素全部为0），你可以使用`numpy.where()`函数配合布尔索引来找出非零值所在的行，然后通过切片操作来剔除这些零行。这里有一个简单的例子：

import numpy as np

# 假设你有一个二维数组 arr
arr = np.array([[0, 0, 0], [1, 2, 3], [0, 4, 5], [0, 0, 6]])

# 使用 where() 函数找到非零元素所在的位置（行索引）
non_zero_rows = np.where(arr != 0)

# 删除全零行
filtered_arr = arr[non_zero_rows]

print(filtered_arr)

运行上述代码后，`filtered_arr` 将只包含非全零行：[[1, 2, 3], [4, 5]]。

相关问题

numpy array指定删除行

要在numpy数组中指定删除行，可以使用np.delete()函数。该函数接受三个参数：数组，要删除的行的索引和轴。 在默认情况下，轴的值为0，表示删除的是行。以下是使用np.delete()函数删除numpy数组中指定行的例子：

import numpy as np

# 创建一个numpy数组
arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

# 删除第二行
new_arr = np.delete(arr, 1, axis=0) 

print(new_arr)

输出结果：

[[1 2 3]
 [7 8 9]]

在上面的例子中，我们首先创建了一个3x3的numpy数组。然后使用np.delete()函数删除了索引为1的行，得到了新的数组new_arr。

需要注意的是，np.delete()函数返回的是一个新的数组，原始数组不会被修改。

python numpy删除含有nan的行

可以使用numpy的isnan()函数找到含有nan的行，然后使用numpy的delete()函数删除这些行。

下面是一个示例代码：

import numpy as np

# 生成一个含有nan的矩阵
a = np.array([[1, 2, 3],
              [4, np.nan, 6],
              [7, 8, 9]])

# 找到含有nan的行
rows_with_nan = np.isnan(a).any(axis=1)

# 删除含有nan的行
a = np.delete(a, np.where(rows_with_nan), axis=0)

print(a)

输出：

array([[1., 2., 3.],
       [7., 8., 9.]])

这样就删除了含有nan的行。