Python - NumPy - mehrere Zeilen und Spalten aus einem Array

Question

löschen Lassen Sie uns sagen, ich habe eine quadratische Matrix als Eingang:

array([[0, 1, 1, 0], 
     [1, 1, 1, 1], 
     [1, 1, 1, 1], 
     [0, 1, 1, 0]]) 

ich die nonzeros im Array zählen wollen nach Entfernen der Zeilen 2 und 3 und der Spalten 2 und 3. Danach möchte ich das Gleiche für die Zeilen 3 und 4 und die Spalten 3 und 4 tun. Daher sollte der

sein Hier

0 # when removing rows/cols 2 and 3 
3 # when removing rows/cols 3 and 4 

ist die naive Lösung mit np.delete:

import numpy as np 
a = np.array([[0,1,1,0],[1,1,1,1],[1,1,1,1],[0,1,1,0]]) 
np.count_nonzero(np.delete(np.delete(a, (1,2), axis=0), (1,2), axis=1)) 
np.count_nonzero(np.delete(np.delete(a, (2,3), axis=0), (2,3), axis=1)) 

Aber np.delete gibt ein neues Array. Gibt es eine schnellere Methode, bei der Zeilen und Spalten gleichzeitig gelöscht werden? Kann Maskierung verwendet werden? Die documentation auf np.delete lautet:

Oft ist es vorzuziehen, eine boolean Maske zu verwenden.

Wie gehe ich dabei vor? Vielen Dank.

Answer 1

Statt die Spalten zu löschen und Zeilen, die Sie nicht wollen, ist es einfacher, diejenigen auszuwählen, die Sie wollen. Beachten Sie auch, dass standardmäßig das Zählen von Zeilen und Spalten aus Nullen beginnt. Um Ihr erstes Beispiel bekommen Sie so wollen alle Elemente in Zeilen auszuwählen 0 und 3 und in den Zeilen 0 und 3. Diese advanced indexing erfordert, für die Sie die ix_ utility function verwenden:

In [25]: np.count_nonzero(a[np.ix_([0,3], [0,3])]) 
Out[25]: 0 

Für Ihr zweites Beispiel, Sie wollen Zeilen auszuwählen 0 und 1 und Spalten 0 und 1, die basic slicing mit getan werden kann:

In [26]: np.count_nonzero(a[:2,:2]) 
Out[26]: 3 

Answer 2

Sie müssen Ihr ursprüngliches Array nicht ändern, indem Sie Zeilen/Spalten löschen, um die Anzahl der Elemente ungleich Null zu zählen. Einfach Indizierung verwenden,

a = np.array([[0,1,1,0],[1,1,1,1],[1,1,1,1],[0,1,1,0]]) 
irows, icols = np.indices(a.shape) 
mask = (irows!=2)&(irows!=3)&(icols!=2)&(icols!=3) 
np.count_nonzero(a[mask])