-
慕婉清6462132
鉴于：>>> aarray([[1, 2, 3], [4, 5, 6], [7, 8, 9]])你可以做：>>> a[:,0:2]array([[1, 2], [4, 5], [7, 8]])或者：>>> np.delete(a,2,1)array([[1, 2], [4, 5], [7, 8]])然后在任何一种情况下，将其分配回，a因为结果是一个新数组。所以：>>> a=a[:,0:2]>>> aarray([[1, 2], [4, 5], [7, 8]])如果您只想删除3第一行，那就是另一个问题了。如果你有一个 python 列表数组，你只能这样做，因为子列表的长度不同。例子：>>> a = np.array([[1,2],[4,5,6],[7,8,9]])>>> aarray([list([1, 2]), list([4, 5, 6]), list([7, 8, 9])], dtype=object)如果你这样做，就坚持使用 Python。您将失去 Numpy 的所有速度和其他优势。如果“通用”是指 N x M 数组每一行的最后一个元素，只需使用它.shape来查找维度：>>> aarray([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]])>>> a.shape(3, 4)>>> np.delete(a,a.shape[1]-1,1)array([[ 1, 2, 3], [ 5, 6, 7], [ 9, 10, 11]])或者，>>> a[:,0:a.shape[1]-1]array([[ 1, 2, 3], [ 5, 6, 7], [ 9, 10, 11]])
-
天涯尽头无女友
>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])>>> aarray([[1, 2, 3], [4, 5, 6], [7, 8, 9]])>>> type(a)<class 'numpy.ndarray'>>>> a.shape(3, 3)变量a是矩阵（二维数组）。它有一定数量的行和列。在矩阵中，所有行的长度必须相同。因此，在上面的示例中，如果第一行的长度为 2，其他行的长度为 3，则无法形成矩阵。因此，仅删除第一个（或任何其他子集）子数组的最后一个元素是不可能的。相反，您必须同时删除所有子数组的最后一个元素。可以这样做>>> a[:,0:2]array([[1, 2], [4, 5], [7, 8]])或者，>>> np.delete(a,2,1)array([[1, 2], [4, 5], [7, 8]])这也适用于其他位置的元素。可以删除子数组的任何元素，记住所有子数组应该具有相同的长度。但是，除非形状保持不变，否则您可以操作任何子数组的最后一个元素（或任何其他元素）。>>> a[0][-1] = 19>>> aarray([[ 1, 2, 19], [ 4, 5, 6], [ 7, 8, 9]])如果您尝试形成一个具有不等长行的矩阵，则会形成一个一维列表数组，在该列表上没有任何 Numpy 操作（如矢量处理、切片等）起作用（列表操作起作用）>>> b = np.array([[1,2,3],[1,2,3]])>>> c = np.array([[1,2],[1,2,3]])>>> barray([[1, 2, 3], [1, 2, 3]])>>> b.shape(2, 3)>>> carray([list([1, 2]), list([1, 2, 3])], dtype=object)>>> c.shape(2,)>>> print(type(b),type(c))<class 'numpy.ndarray'> <class 'numpy.ndarray'>两者都是 ndarray，但您可以看到第二个变量c是一维列表数组。>>> b+barray([[2, 4, 6], [2, 4, 6]])>>> c+carray([list([1, 2, 1, 2]), list([1, 2, 3, 1, 2, 3])], dtype=object)类似地， operation 执行withb+b的逐元素加法，但执行两个列表之间的连接操作。bbc+c
-
芜湖不芜
方法如下：import numpy as npa = np.array([[1,2,3],[4,5,6],[7,8,9]])a = a[:-1]print(a)输出：[[1 2 3] [4 5 6]]