使用切片拆分 numpy ndarray

Question

Python 2.7.3 numpy 1.8.0

大家好， 我使用 numpy 几个月了，我需要一些基本的帮助。下面的代码应该可以工作，并且我需要帮助的部分被突出显示（#

import numpy as np

rng = np.random.RandomState(12345)

samples = np.array(np.arange(400).reshape(50, 8))
nSamples = samples.shape[0]
FOLDS = 15 

foldSize = nSamples / FOLDS

indices = np.arange(nSamples)
rng.shuffle(indices)

slices = [slice(i * foldSize ,
               (i + 1) * foldSize, 1) for i in xrange(FOLDS + 1)]

for i in xrange(len(slices)):
    y = samples[indices[slices[i]]]
    x = np.array([x for x in samples if x not in samples[slices[i]]]) # <<<<<<<
    #do some processing with x and y    

基本上随机对二维数组进行逐行切片，使用完整数组在切片位中进行处理和测试，然后对另一个切片重复进行，直到一切都完成（这称为交叉验证实验）。

我的问题是：有没有更好的方法来选择 ndarray 中的所有行，而不是切片？我错过了什么吗？如果 x 不在 samples[indices][0:3]] 中，[x for x in samples 如果 x not in samples[indices][0:3]] 的建议方法是什么？

提前致谢。

ps：屏蔽数组并不能解决我的问题。 ps1：我知道它已经在其他地方实现了，我只需要学习。

Answer 1

您可以为要选择的行创建一个布尔数组，如下所示：

indices_to_ignore = [1, 2, 3]
mask = np.ones(samples.shape[:1], dtype=np.bool)
mask[indices_to_ignore] = 0
samples[mask].shape