답변:
A에 대한 목록 , 당신은 목록 빌려 사용할 수 있습니다. 예를 들어, 세 번째 요소없이 b
복사본 을 만들려면 a
:
a = range(10)[::-1] # [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
b = [x for i,x in enumerate(a) if i!=3] # [9, 8, 7, 5, 4, 3, 2, 1, 0]
이것은 매우 일반적이며 numpy 배열을 포함하여 모든 이터 러블과 함께 사용할 수 있습니다. 당신이 교체하는 경우 []
와 ()
,b
반복자 대신의 목록이 될 것입니다.
또는 다음을 사용하여이 작업을 수행 할 수 있습니다 pop
.
a = range(10)[::-1] # a = [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
a.pop(3) # a = [9, 8, 7, 5, 4, 3, 2, 1, 0]
numpy 에서는 부울 인덱싱으로이를 수행 할 수 있습니다.
a = np.arange(9, -1, -1) # a = array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])
b = a[np.arange(len(a))!=3] # b = array([9, 8, 7, 5, 4, 3, 2, 1, 0])
일반적으로 위에 나열된 목록 이해력보다 훨씬 빠릅니다.
>>> l = range(1,10)
>>> l
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> l[:2]
[1, 2]
>>> l[3:]
[4, 5, 6, 7, 8, 9]
>>> l[:2] + l[3:]
[1, 2, 4, 5, 6, 7, 8, 9]
>>>
또한보십시오
numpy를 사용하고 있다면 가장 가까운 것은 마스크를 사용하는 것입니다.
>>> import numpy as np
>>> arr = np.arange(1,10)
>>> mask = np.ones(arr.shape,dtype=bool)
>>> mask[5]=0
>>> arr[mask]
array([1, 2, 3, 4, 5, 7, 8, 9])
itertools
없이 사용하여 비슷한 것을 얻을 수 있습니다.numpy
>>> from itertools import compress
>>> arr = range(1,10)
>>> mask = [1]*len(arr)
>>> mask[5]=0
>>> list(compress(arr,mask))
[1, 2, 3, 4, 5, 7, 8, 9]
np.arange(len(arr)) != 3
마스크 와 같은 것을 사용할 수 있습니다 arr[~(np.arange(len(arr)) == 3)]
. 예를 들어 어떤 것이 든 인라인 될 수 있기 때문 입니다.
사용 np.delete
! 실제로 제자리에서 아무것도 삭제하지 않습니다.
예:
import numpy as np
a = np.array([[1,4],[5,7],[3,1]])
# a: array([[1, 4],
# [5, 7],
# [3, 1]])
ind = np.array([0,1])
# ind: array([0, 1])
# a[ind]: array([[1, 4],
# [5, 7]])
all_except_index = np.delete(a, ind, axis=0)
# all_except_index: array([[3, 1]])
# a: (still the same): array([[1, 4],
# [5, 7],
# [3, 1]])
나는 그것을하는 기능적 (불변) 방법을 제공 할 것입니다.
이를 수행하는 표준적이고 쉬운 방법은 슬라이싱을 사용하는 것입니다.
index_to_remove = 3
data = [*range(5)]
new_data = data[:index_to_remove] + data[index_to_remove + 1:]
print(f"data: {data}, new_data: {new_data}")
산출:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
목록 이해력 사용 :
data = [*range(5)]
new_data = [v for i, v in enumerate(data) if i != index_to_remove]
print(f"data: {data}, new_data: {new_data}")
산출:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
필터 기능 사용 :
index_to_remove = 3
data = [*range(5)]
new_data = [*filter(lambda i: i != index_to_remove, data)]
산출:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
마스킹 사용. 마스킹은 표준 라이브러리의 itertools.compress 함수에 의해 제공됩니다 .
from itertools import compress
index_to_remove = 3
data = [*range(5)]
mask = [1] * len(data)
mask[index_to_remove] = 0
new_data = [*compress(data, mask)]
print(f"data: {data}, mask: {mask}, new_data: {new_data}")
산출:
data: [0, 1, 2, 3, 4], mask: [1, 1, 1, 0, 1], new_data: [0, 1, 2, 4]
Python 표준 라이브러리의 itertools.filterfalse 함수 사용
from itertools import filterfalse
index_to_remove = 3
data = [*range(5)]
new_data = [*filterfalse(lambda i: i == index_to_remove, data)]
print(f"data: {data}, new_data: {new_data}")
산출:
data: [0, 1, 2, 3, 4], new_data: [0, 1, 2, 4]
numpy.concatenate
.