Numpy：给定索引，如何以有效的方式消除沿 axis=1 的最小值？

给定一个形状为 A 的矩阵(1000000,6)我已经弄清楚如何获取每行的最小最右边值并在此函数中实现它：

def calculate_row_minima_indices(h): # h is the given matrix.
    """Returns the indices of the rightmost minimum per row for matrix h."""
    flipped = numpy.fliplr(h) # flip the matrix to get the rightmost minimum.
    flipped_indices = numpy.argmin(flipped, axis=1)
    indices = numpy.array([2]*dim) - flipped_indices
    return indices

indices = calculate_row_minima_indices(h)
for col, row in enumerate(indices):
    print col, row, h[col][row] # col_index, row_index and value of minimum which should be removed.

每行都有一个最小值。所以我需要知道的是删除最小值的条目 and shrink矩阵与shape (1000000,6)到一个矩阵shape (1000000,5).

我会生成一个具有较低维度的新矩阵，并使用 for 循环用我希望它携带的值填充它，但我担心运行时。那么是否有一些内置的方法或技巧可以将矩阵缩小到每行的最小值？

也许这个信息有用：这些值都大于或等于 0.0。

假设您有足够的内存来保存原始数组和新数组的形状的布尔掩码，这是一种方法：

import numpy as np

def main():
    np.random.seed(1) # For reproducibility
    data = generate_data((10, 6))

    indices = rightmost_min_col(data)
    new_data = pop_col(data, indices)

    print 'Original data...'
    print data
    print 'Modified data...'
    print new_data

def generate_data(shape):
    return np.random.randint(0, 10, shape)

def rightmost_min_col(data):
    nrows, ncols = data.shape[:2]
    min_indices = np.fliplr(data).argmin(axis=1)
    min_indices = (ncols - 1) - min_indices
    return min_indices

def pop_col(data, col_indices):
    nrows, ncols = data.shape[:2]
    col_indices = col_indices[:, np.newaxis]
    row_indices = np.arange(ncols)[np.newaxis, :]
    mask = col_indices != row_indices
    return data[mask].reshape((nrows, ncols-1))

if __name__ == '__main__':
    main()

这产生：

Original data...
[[5 8 9 5 0 0]
 [1 7 6 9 2 4]
 [5 2 4 2 4 7]
 [7 9 1 7 0 6]
 [9 9 7 6 9 1]
 [0 1 8 8 3 9]
 [8 7 3 6 5 1]
 [9 3 4 8 1 4]
 [0 3 9 2 0 4]
 [9 2 7 7 9 8]]
Modified data...
[[5 8 9 5 0]
 [7 6 9 2 4]
 [5 2 4 4 7]
 [7 9 1 7 6]
 [9 9 7 6 9]
 [1 8 8 3 9]
 [8 7 3 6 5]
 [9 3 4 8 4]
 [0 3 9 2 4]
 [9 7 7 9 8]]

我在这里使用的可读性较差的技巧之一是在数组比较期间利用 numpy 的广播。作为一个简单的例子，请考虑以下内容：

import numpy as np
a = np.array([[1, 2, 3]])
b = np.array([[1],[2],[3]])
print a == b

这产生：

array([[ True, False, False],
       [False,  True, False],
       [False, False,  True]], dtype=bool)

因此，如果我们知道要删除的项目的列索引，我们可以对列索引数组的操作进行向量化，这就是pop_col does.