python - 使用 for 循环从矩阵集合中删除(每个矩阵的)行和列

Question

我有一个(6 x 6)矩阵的集合，在我的代码中，我可能会得到5到6个矩阵(阶数为(6 x 6)。)

我想删除我拥有的这 5 到 6 个矩阵中的某些行和列。

所以我运行了一个for循环

假设现在，在该集合中我只有“一个”矩阵(a_matrix 阶6 x 6)。

进入此 for 循环 的每个矩阵都应缩减为 2 x 2 矩阵，如下所示。 (期望的输出)

这是我失败的尝试，这里 a_matrix 将不起作用，因为我的集合中只有一个 6 x 6 矩阵。

它显示错误为

ValueError:无法将输入数组从形状 (5) 广播到形状 (6)

import numpy as np


a_matrix = np.array (      [  [   1,            2,               3,             4,            5,                6       ],
                              [   7,           8,               9,             10,           11,               12       ],                                
                              [  13,           14,              15,             16,           17,               18      ],
                              [   19,          20,              21,             22,           23,               24      ],
                              [   25,          26,              27,             28,           29,               30      ], 
                              [   31,          32,              33,             34,           35,               36      ]] )
                        
               
total_no_of_matrices = 1                  


for i in range(total_no_of_matrices):
    a_matrix[i] = np.delete(a_matrix[i], 0, 0) 
    a_matrix[i] = np.delete(a_matrix[i], 0, 0)
    a_matrix[i] = np.delete(a_matrix[i], 1, 0)
    a_matrix[i] = np.delete(a_matrix[i], 1, 0)


print(a_matrix)

所需的输出-(删除某些行和列后)

a_matrix = [[15, 18],
            [33, 36]]

Answer 1

问题是 numpy 使数组尽可能静态。因此，如果您将数组声明为 nx6x6，您不能突然告诉它您希望矩阵 3 为 2x2。更好的方法是声明一个新数组来保存较小的矩阵。在某些情况下，您可以使 numpy 数组动态化，但通常效率非常低，并且通常您无论如何都会预先分配数组 - 如果不能，那么 numpy 数组可能不是正确使用的对象。我可能会采取以下方法:

import numpy as np


a_matrix = np.arange(1, 6 * 6 + 1).reshape((6, 6))  
                        
               
if a_matrix.ndim == 2:
    a_matrix = a_matrix.reshape((1, a_matrix.shape[0], a_matrix.shape[1]))
total_no_of_matrices = a_matrix.shape[0]
reduced_matrices = np.zeros((total_no_of_matrices, 2, 2))


rows_to_delete = [0, 1, 3, 4]
cols_to_delete = [0, 1, 3, 4]
for i in range(total_no_of_matrices):
    temp_matrix = np.delete(a_matrix[i, :, :], rows_to_delete, axis=0) 
    temp_matrix = np.delete(temp_matrix, cols_to_delete, axis=1)
    reduced_matrices[i, :, :] = temp_matrix


print(a_matrix)
print(reduced_matrices)

此外，如果您想变得更奇特，您可以使用高级索引。但有时我发现很难理解，而且我一直使用 numpy。因此，如果有人阅读代码，可能会远离它，但这是另一种选择

another_way = a_matrix[:, np.array([[2, 2], [5, 5]]), np.array([[2, 5], [2, 5]])]
print(another_way)