np.delete 和 np.s_。 np_s 有什么特别之处？

Question

我不太明白为什么常规索引不能用于np.delete。是什么让 np.s_ 如此特别？

例如这段代码，用于删除这个数组的一些行..

inlet_names = np.delete(inlet_names, np.s_[1:9], axis = 0)

为什么我不能简单地使用常规索引并做..

inlet_names = np.delete(inlet_names, [1:9], axis = 0)

或

inlet_names = np.delete(inlet_names, inlet_names[1:9], axis = 0)

据我所知，np.s_ 与 np.index_exp 相同，只是它不是 return 元组，但两者都可以在 Python 中的任何地方使用代码。

然后当我查看 np.delete 函数时，它表明您可以使用 [1,2,3] 之类的东西来删除整个数组中的那些特定索引。那么是什么阻止我使用类似的东西从数组中删除某些行或列？

我只是假设这种类型的索引在 np.delete 中被读取为其他内容，因此您需要使用 np.s_ 来指定，但我无法深入它究竟会把它读成什么，因为当我尝试第二段代码时，它只是 returns "invalid syntax"。这很奇怪，因为这段代码有效...

inlet_names = np.delete(inlet_names, [1,2,3,4,5,6,7,8,9], axis = 0)

所以我想答案可能是 np.delete 只接受您要删除的索引列表。 np._s return 是您为切片指定的索引列表。

只是可以对我刚才所说的可能错误的功能进行一些澄清和一些更正，因为其中很多只是我的看法，文档并没有完全解释我试图理解的一切.我想我只是想得太多了，但如果有人能解释的话，我想真正理解它。

Answer 1

np.delete 没有做任何独特或特别的事情。它只是 returns 原始数组的副本，缺少一些项目。大多数代码只是解释输入以准备制作此副本。

你问的是obj参数

obj : slice, int or array of ints

简单来说，np.s_ 允许您使用熟悉的 : 语法提供切片。 x:y 符号不能用作函数参数。

让我们试试你的替代方案（你在结果和错误中提到了这些，但它们隐藏在文本中）：

In [213]: x=np.arange(10)*2   # some distinctive values

In [214]: np.delete(x, np.s_[3:6])
Out[214]: array([ 0,  2,  4, 12, 14, 16, 18])

所以 delete 和 s_ 删除了一系列值，即 6 8 10，第 3 到第 5 个值。

In [215]: np.delete(x, [3:6])
  File "<ipython-input-215-0a5bf5cc05ba>", line 1
    np.delete(x, [3:6])
                   ^
SyntaxError: invalid syntax

为什么会出错？因为 [3:4] 是一个索引表达式。 np.delete 是一个函数。即使 s_[[3:4]] 也有问题。 np.delete(x, 3:6) 也不好，因为 Python 只接受索引上下文中的 : 语法，它会自动将其转换为 slice 对象。请注意，这是一个 syntax error，解释器在进行任何计算或函数调用之前捕获的东西。

In [216]: np.delete(x, slice(3,6))
Out[216]: array([ 0,  2,  4, 12, 14, 16, 18])

A slice 可以代替 s_；事实上，这就是 s_ 产生的

In [233]: np.delete(x, [3,4,5])
Out[233]: array([ 0,  2,  4, 12, 14, 16, 18])

列表也可以，尽管它的工作方式不同（见下文）。

In [217]: np.delete(x, x[3:6])
Out[217]: array([ 0,  2,  4,  6,  8, 10, 14, 18])

这有效，但产生不同的结果，因为 x[3:6] 与 range(3,6) 不同。此外，np.delete 不像 list 删除那样工作。它按索引删除，而不是按匹配值删除。

np.index_exp 失败的原因与 np.delete(x, (slice(3,6),)) 相同。 1、[1]、(1,) 均有效，删除一项。甚至 '1' 字符串也能工作。 delete 解析此参数，并在此级别上期望可以转换为整数的内容。 obj.astype(intp)。 (slice(None),) 不是一个切片，它是一个 1 项元组。所以它在 delete 代码中的不同位置处理。这是 TypeError 由 delete 调用的东西产生的，与 SyntaxError 非常不同。理论上 delete 可以从元组中提取切片并像 s_ 情况一样继续，但开发人员没有选择考虑这种变化。

对代码的快速研究表明 np.delete 使用了 2 种不同的复制方法 - 通过切片和通过布尔掩码。如果 obj 是一个切片，就像在我们的例子中那样，它确实（对于一维数组）：

out = np.empty(7)
out[0:3] = x[0:3]
out[3:7] = x[6:10]

但是使用 [3,4,5]（而不是切片）它会：

keep = np.ones((10,), dtype=bool)
keep[[3,4,5]] = False
return x[keep]

相同的结果，但构造方法不同。 x[np.array([1,1,1,0,0,0,1,1,1,1],bool)] 做同样的事情。

事实上，像这样的布尔索引或掩码比 np.delete 更常见，而且通常同样强大。

来自 lib/index_tricks.py 源文件：

index_exp = IndexExpression(maketuple=True)
s_ = IndexExpression(maketuple=False)

它们是同一事物的不同版本。两者都只是便利功能。

In [196]: np.s_[1:4]
Out[196]: slice(1, 4, None)
In [197]: np.index_exp[1:4]
Out[197]: (slice(1, 4, None),)
In [198]: np.s_[1:4, 5:10]
Out[198]: (slice(1, 4, None), slice(5, 10, None))
In [199]: np.index_exp[1:4, 5:10]
Out[199]: (slice(1, 4, None), slice(5, 10, None))

maketuple 业务仅在有单个项目、切片或索引时适用。

np.delete 和 np.s_。 np_s 有什么特别之处？

np.delete and np.s_. What's so special about np_s?

indexing

numpy

slice

delete-row

python-2.7