t = np.asarray([[2,3,4],[1,2,3],[1,0,4],[4,5,6]]) # 删除大于等于 4 的元素：保留二维数组但是不需要保留矩阵结构 # 希望结果：[[4], [], [4], [4, 5, 6]] t[t >= 4] # 可以删除但是结果为一维 # array([4, 4, 4, 5, 6]) np.where(t >= 4, t, 0) # 不需要的元素（ 0 ）大量占用内存 #array([[0, 0, 4], # [0, 0, 0], # [0, 0, 4], # [4, 5, 6]])  | 1 epleone Dec 10, 2019  1 如果 a = [[4], [], [4], [4, 5, 6]], 那么 a.shape ？ 也许你需要稀疏矩阵，或者说说你这个需求是用来实现什么。 |
 | 2 CrazyRundong Dec 10, 2019 ```python from scipy.sparse import coo_matrix # ... t[t > 4] = 0 coo_t = coo_matrix(t) ``` 稀疏矩阵和稠密矩阵有不同的存储方式。如果不知道矩阵的 pattern，那就用 corrdicate based index 存储吧 |
| 3 CrazyRundong Dec 10, 2019 1 |
 | 4 necomancer Dec 11, 2019 用稀疏矩阵。稀疏矩阵 0 不占内存。操作基本和 numpy array 一致。你想要的结果只能用列表生成式了 [_[_>=4] for _ in t] In [2]: [_[_>=4] for _ in t] Out[2]: [array([4]), array([], dtype=int64), array([4]), array([4, 5, 6])] In [3]: np.array([_[_>=4] for _ in t]) Out[3]: array([array([4]), array([], dtype=int64), array([4]), array([4, 5, 6])], dtype=object) 得到一个 object array |
Select Language