我有一个 NxN 的方阵（N 通常 >500）。它是使用 numpy 数组构造的。
我需要提取一个新矩阵，该矩阵从该矩阵中删除了第 i 列和第 i 行。新矩阵是 (N-1)x(N-1)。
我目前正在使用以下代码来提取这个矩阵：
new_mat = np.delete(old_mat,idx_2_remove,0)
new_mat = np.delete(old_mat,idx_2_remove,1)
我也尝试使用：
row_indices = [i for i in range(0,idx_2_remove)]
row_indices += [i for i in range(idx_2_remove+1,N)]
col_indices = row_indices
rows = [i for i in row_indices for j in col_indices]
cols = [j for i in row_indices for j in col_indices]
old_mat[(rows, cols)].reshape(len(row_indices), len(col_indices))
但我发现这比np.delete()在前者中使用要慢。前者对于我的应用程序来说仍然很慢。
有没有更快的方法来完成我想要的？
编辑 1：似乎以下比上面两个更快，但不是很多：
new_mat = old_mat[row_indices,:][:,col_indices]
以下是我快速编写的 3 个替代方案：
重复delete：
def foo1(arr, i):
return np.delete(np.delete(arr, i, axis=0), i, axis=1)
最大程度地使用切片（可能需要一些边缘检查）：
def foo2(arr,i):
N = arr.shape[0]
res = np.empty((N-1,N-1), arr.dtype)
res[:i, :i] = arr[:i, :i]
res[:i, i:] = arr[:i, i+1:]
res[i:, :i] = arr[i+1:, :i]
res[i:, i:] = arr[i+1:, i+1:]
return res
高级索引：
def foo3(arr,i):
N = arr.shape[0]
idx = np.r_[:i,i+1:N]
return arr[np.ix_(idx, idx)]
测试它们是否有效：
In [874]: x = np.arange(100).reshape(10,10)
In [875]: np.allclose(foo1(x,5),foo2(x,5))
Out[875]: True
In [876]: np.allclose(foo1(x,5),foo3(x,5))
Out[876]: True
比较时间：
In [881]: timeit foo1(arr,100).shape
4.98 ms ± 190 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [882]: timeit foo2(arr,100).shape
526 µs ± 1.57 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [883]: timeit foo3(arr,100).shape
2.21 ms ± 112 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
所以切片是最快的，即使代码更长。它看起来像np.delete工程一样foo3，但在一维时间。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句