numpy.ndarray中删除数据

可以使用numpy.delete()函数来删除numpy.ndarray中的数据。该函数的语法如下：

numpy.delete(arr, obj, axis=None)

其中，arr是输入的numpy.ndarray数组；obj是要删除的元素的索引或者切片；axis是要删除的轴的索引。

例如，我们可以删除一个一维数组中的第三个元素，代码如下：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
new_arr = np.delete(arr, 2)
print(new_arr)  # [1 2 4 5]

我们也可以删除一个二维数组中的第二行，代码如下：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
new_arr = np.delete(arr, 1, axis=0)
print(new_arr)
# [[1 2 3]
#  [7 8 9]]

需要注意的是，numpy.delete()函数并不会修改原始的numpy.ndarray数组，而是返回一个新的数组。

相关问题

list 转numpy.ndarray

在Python中，可以通过使用numpy库中的np.array()函数将list转换为numpy.ndarray。例如，假设我们有一个名为a的列表，可以使用np.array(a)将其转换为numpy.ndarray格式。 这样做的好处是，numpy.ndarray比列表在访问方式上更加灵活，并且支持更多的索引方式。 一旦我们完成了对numpy.ndarray的处理，还可以使用tolist()方法将其转回列表的形式，以方便删除或添加元素。 numpy.ndarray不仅可以通过索引访问整个数组，还可以通过多种方式进行切片操作，比如使用整数索引、使用切片表达式等等。 请注意，当我们尝试在numpy.ndarray中使用","作为索引时，会出现TypeError: list indices must be integers, not tuple的错误，这是因为numpy.ndarray不支持此种索引方式。 但是我们可以使用":"来进行切片操作，比如使用b[:,1]来获取numpy.ndarray中的第二列数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [list 与 numpy.ndarray互转](https://blog.csdn.net/SeaSky_Steven/article/details/105557908)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

AttributeError: 'numpy.ndarray' object has no attribute 'deropna'

这个错误是因为 numpy.ndarray 对象没有 dropna() 方法。dropna() 方法是 pandas.DataFrame 或 pandas.Series 对象的方法。

如果你想在 numpy 中删除数组中的空值，可以使用 numpy.delete() 方法。例如，如果你有一个一维数组 x，其中包含空值，可以使用以下代码删除空值：

import numpy as np

# 创建包含空值的一维数组
x = np.array([1, 2, np.nan, 3, np.nan, 4])

# 删除空值
new_x = x[~np.isnan(x)]

print(new_x)

输出结果为：

[1. 2. 3. 4.]

其中，np.isnan(x) 返回一个布尔数组，指示 x 中的每个元素是否为 NaN。使用 ~ 运算符取反得到一个布尔数组，指示哪些元素不是 NaN。然后使用这个布尔数组作为索引，从 x 中选择不是 NaN 的元素。

如果你有一个二维数组 arr，你可以使用 np.isnan() 和 np.any() 方法来删除包含空值的整行数据。例如：

import numpy as np

# 创建包含空值的二维数组
arr = np.array([[1, 2, np.nan], [4, np.nan, 6], [7, 8, 9]])

# 删除包含空值的整行数据
new_arr = arr[~np.any(np.isnan(arr), axis=1)]

print(new_arr)

输出结果为：

[[7. 8. 9.]]

其中，np.any(np.isnan(arr), axis=1) 返回一个布尔数组，指示每行中是否至少有一个元素是 NaN。使用 ~ 运算符取反得到一个布尔数组，指示哪些行中没有 NaN 元素。然后使用这个布尔数组作为索引，从 arr 中选择没有 NaN 的整行数据。