
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境配置
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 陣列的建立和操作
- NumPy - 陣列建立函式
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 陣列迭代
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 複製和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- NumPy - 載入陣列
- NumPy - 儲存陣列
- NumPy - 向陣列追加值
- NumPy - 交換陣列列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 估算缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- NumPy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy delete() 函式
NumPy 的delete()函式用於返回一個新的陣列,其中從輸入陣列中刪除了指定的子陣列。如果未提供axis引數,則在刪除之前會先將輸入陣列展平。
此函式可用於從陣列中刪除元素、行或列。
語法
以下是 NumPy delete() 函式的語法:
Numpy.delete(arr, obj, axis)
引數
以下是 NumPy delete() 函式的引數:
- arr: 輸入陣列
- obj: 可以是切片,即整數或整數陣列,指示要從輸入陣列中刪除的子陣列。
- axis: 要沿其刪除給定子陣列的軸。如果未給出,則輸入陣列 (arr) 將被展平。
示例 1
以下是 NumPy delete() 函式的基本示例,它刪除索引為 5 的元素:
import numpy as np # Creating an array with shape (3, 4) a = np.arange(12).reshape(3, 4) print('First array:') print(a) print('\n') # Delete the element at index 5 from the flattened array print('Array flattened before delete operation as axis not used:') print(np.delete(a, 5))
輸出
First array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Array flattened before delete operation as axis not used: [ 0 1 2 3 4 6 7 8 9 10 11]
示例 2
在此示例中,我們使用 delete() 函式從二維陣列中刪除特定列:
import numpy as np # Create a 3x4 array a = np.arange(12).reshape(3, 4) print('Original array:') print(a) print('\n') # Delete the second column (index 1) result = np.delete(a, 1, axis=1) print('Array after deleting column 2:') print(result)
輸出
Original array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Array after deleting column 2: [[ 0 2 3] [ 4 6 7] [ 8 10 11]]
示例 3
我們可以使用切片從陣列中刪除多個元素。在下面的示例中,我們將切片模式作為引數傳遞給 delete() 函式以及輸入陣列:
import numpy as np # Create a 1D array a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) print('Original array:') print(a) print('\n') # Delete every second element result = np.delete(a, np.s_[::2]) print('Array after deleting every second element:') print(result)
輸出
Original array: [ 1 2 3 4 5 6 7 8 9 10] Array after deleting every second element: [ 2 4 6 8 10]
numpy_array_manipulation.htm
廣告