In [170]: a = np.array([0.2, 5.6, 88, 12, 1.3, 6, 8.9]) In [171]: idx=[1,2,5] In [172]: a[idx] Out[172]: array([ 5.6, 88. , 6. ]) In [173]: np.delete(a,idx) Out[173]: array([ 0.2, 12. , 1.3, 8.9])
delete
比实际需要更广泛,根据输入使用不同的策略。我认为在这种情况下,它使用布尔掩码方法(时序应相似)。
In [175]: mask=np.ones_like(a, bool)
In [176]: mask
Out[176]: array([ True, True, True, True, True, True, True], dtype=bool)
In [177]: mask[idx]=False
In [178]: mask
Out[178]: array([ True, False, False, True, True, False, True], dtype=bool)
In [179]: a[mask]
Out[179]: array([ 0.2, 12. , 1.3, 8.9])