l'eliminazione di righe nell'array numpy

Ho un array che potrebbe assomigliare a questo:

ANOVAInputMatrixValuesArray = [[ 0.96488889, 0.73641667, 0.67521429, 0.592875, 
0.53172222], [ 0.78008333, 0.5938125, 0.481, 0.39883333, 0.]]

Notare che una delle righe ha un valore zero alla fine. Voglio eliminare qualsiasi riga che contiene uno zero, mantenendo qualsiasi riga che contiene valori diversi da zero in tutte le celle.

Ma l'array avrà un numero diverso di righe ogni volta che viene popolato e gli zeri saranno posizionati in righe diverse ogni volta.

Ottengo il numero di elementi diversi da zero in ogni riga con la seguente riga di codice:

NumNonzeroElementsInRows    = (ANOVAInputMatrixValuesArray != 0).sum(1)

Per la matrice sopra, NumNonzeroElementsInRowscontiene: [5 4]

Il cinque indica che tutti i possibili valori nella riga 0 sono diversi da zero, mentre il quattro indica che uno dei possibili valori nella riga 1 è uno zero.

Pertanto, sto cercando di utilizzare le seguenti righe di codice per trovare ed eliminare righe che contengono valori zero.

for q in range(len(NumNonzeroElementsInRows)):
    if NumNonzeroElementsInRows[q] < NumNonzeroElementsInRows.max():
        p.delete(ANOVAInputMatrixValuesArray, q, axis=0)

Ma per qualche motivo, questo codice sembra non fare nulla, anche se l'esecuzione di molti comandi di stampa indica che tutte le variabili sembrano essere popolate correttamente fino al codice.

Ci deve essere un modo semplice per "eliminare qualsiasi riga che contiene un valore zero".

Qualcuno può mostrarmi quale codice scrivere per ottenere questo risultato?

Il modo più semplice per eliminare righe e colonne dagli array è il numpy.deletemetodo.

Supponiamo di avere il seguente array x:

x = array([[1,2,3],
        [4,5,6],
        [7,8,9]])

Per eliminare la prima riga, procedi come segue:

x = numpy.delete(x, (0), axis=0)

Per eliminare la terza colonna, procedi come segue:

x = numpy.delete(x,(2), axis=1)

Quindi potresti trovare gli indici delle righe che hanno uno 0, metterli in una lista o in una tupla e passarli come secondo argomento della funzione.

Ecco un one liner (sì, è simile a quello di user333700, ma un po 'più semplice):

>>> import numpy as np
>>> arr = np.array([[ 0.96488889, 0.73641667, 0.67521429, 0.592875, 0.53172222], 
                [ 0.78008333, 0.5938125, 0.481, 0.39883333, 0.]])
>>> print arr[arr.all(1)]
array([[ 0.96488889,  0.73641667,  0.67521429,  0.592875  ,  0.53172222]])

A proposito, questo metodo è molto, molto più veloce del metodo con matrice mascherata per matrici di grandi dimensioni. Per una matrice 2048 x 5, questo metodo è circa 1000 volte più veloce.

A proposito, il metodo di user333700 (dal suo commento) è stato leggermente più veloce nei miei test, anche se mi lascia perplesso il motivo.

Questo è simile al tuo approccio originale e utilizzerà meno spazio rispetto alla risposta di unutbu , ma sospetto che sarà più lento.

>>> import numpy as np
>>> p = np.array([[1.5, 0], [1.4,1.5], [1.6, 0], [1.7, 1.8]])
>>> p
array([[ 1.5,  0. ],
       [ 1.4,  1.5],
       [ 1.6,  0. ],
       [ 1.7,  1.8]])
>>> nz = (p == 0).sum(1)
>>> q = p[nz == 0, :]
>>> q
array([[ 1.4,  1.5],
       [ 1.7,  1.8]])

A proposito, la tua linea p.delete()non funziona per me - ndarraynon hanno un .deleteattributo.

numpy fornisce una semplice funzione per fare esattamente la stessa cosa: supponendo di avere un array mascherato "a", chiamando numpy.ma.compress_rows (a) verranno eliminate le righe contenenti un valore mascherato. Immagino che in questo modo sia molto più veloce ...

import numpy as np 
arr = np.array([[ 0.96488889, 0.73641667, 0.67521429, 0.592875, 0.53172222],[ 0.78008333, 0.5938125, 0.481, 0.39883333, 0.]])
print(arr[np.where(arr != 0.)])

Potrei essere troppo tardi per rispondere a questa domanda, ma volevo condividere il mio contributo a beneficio della comunità. Per questo esempio, fammi chiamare la tua matrice "ANOVA" e presumo che tu stia solo cercando di rimuovere le righe da questa matrice con 0 solo nella quinta colonna.

indx = []
for i in range(len(ANOVA)):
    if int(ANOVA[i,4]) == int(0):
        indx.append(i)

ANOVA = [x for x in ANOVA if not x in indx]