当行i和列i都包含全0时，我试图同时删除行i和列i。例如，在这种情况下，我们可以看到第0行全为零，第0列全为零，因此删除了第0行和第0列。与第2行和第4行的列相同。第1行全为零，但第1列全为零，因此都不会被删除。
[0,0,0,0,0]
[0,1,0,1,0]
[0,0,0,0,0]
[0,0,0,0,0]
[0,0,0,0,0]
会成为
[1,1]
[0,0]
另一个例子：
[0,0,1,0,0,1]
[0,0,0,0,0,0]
[0,0,0,0,0,0]
[0,0,0,0,0,0]
[0,0,0,0,0,0]
[0,0,1,0,1,0]
将更改为：
[0,1,0,1]
[0,0,0,0]
[0,0,0,0]
[0,1,1,0]
这是我用来计算的代码：
def remove(matrix):
for i, x in reversed(list(enumerate(matrix))):
if np.all(matrix == 0, axis=0)[i] and np.all(matrix == 0, axis=1)[i]:
matrix = np.delete(matrix,i,axis=0)
matrix = np.delete(matrix,i,axis=1)
return matrix
经过测试，这条线是迄今为止最多的时间：
if np.all(matrix == 0, axis=0)[i] and np.all(matrix == 0, axis=1)[i]:
有没有更合适的方法以这种方式测试行和列？我使用的矩阵是一个稀疏的二进制矩阵。我没有使用任何稀疏矩阵类，只是ndarray。
最佳答案
带遮罩的矢量化方法-
def remove_vectorized(a):
mask = a==0
m_row = ~mask.all(1)
m_col = ~mask.all(0)
comb_mask = m_row | m_col
return a[comb_mask][:,comb_mask] #or a[np.ix_(comb_mask, comb_mask)]
样品运行
情况1 ：
In [485]: a
Out[485]:
array([[0, 0, 0, 0, 0],
[0, 1, 0, 1, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
In [486]: remove_vectorized(a)
Out[486]:
array([[1, 1],
[0, 0]])
案例2：
In [489]: a
Out[489]:
array([[0, 0, 1, 0, 0, 1],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 1, 0, 1, 0]])
In [490]: remove_vectorized(a)
Out[490]:
array([[0, 1, 0, 1],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 1, 1, 0]])
关于python - 使用numpy有效地测试矩阵行和列，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46774681/