如何从scikit-fda的FDataGrid实例中删除特定函数？

第一个错误的根源 #

np.delete(X_prim, [0,1,2])会把FDataGrid实例当成普通numpy数组处理，直接返回一个numpy.ndarray——这是因为numpy的函数默认会尝试将输入对象转换为数组。所以你后续调用X.tolist()看着像对，但X已经不是FDataGrid实例了，自然没有data_matrix这类专属属性，导致MissingValuesInterpolation报错。

第二个错误的根源 #

FDataGrid的data_matrix形状通常是(n_samples, n_dimensions, n_grid_points)，其中第一维是样本（也就是你说的“函数”）的数量。你直接调用np.delete(matrix, [2,13,103,111])时，numpy默认会按最后一维（网格点维度）删除元素，而不是你想要的第一维（样本维度）。这就导致修改后的data_matrix形状完全不对，重新创建FDataGrid时，系统会错误地把修改后的维度当成样本数，自然识别成只有一个函数，同时grid_points因为和新的data_matrix维度不匹配而被破坏。

FDataGrid本身支持numpy风格的索引操作，直接通过索引筛选保留的样本即可，无需手动处理data_matrix：

方法1：用整数索引保留需要的样本 #

import numpy as np

# 定义要保留的样本索引（排除要删除的[0,1,2]）
keep_idx = np.setdiff1d(np.arange(X_prim.n_samples), [0,1,2])
# 直接索引得到新的FDataGrid实例
X_filtered = X_prim[keep_idx]

方法2：用布尔掩码筛选 #

import numpy as np

# 创建掩码，标记要保留的样本（True=保留，False=删除）
mask = np.ones(X_prim.n_samples, dtype=bool)
mask[[0,1,2]] = False  # 把要删除的索引设为False
X_filtered = X_prim[mask]

这样得到的X_filtered仍是完整的FDataGrid实例，保留了原有的grid_points、data_matrix等所有属性，后续可以正常使用MissingValuesInterpolation处理。

内容的提问来源于stack exchange，提问作者confusedTurtle