如何删除不符合样本量要求的实验ID？

你的代码存在几个关键问题，导致无法得到目标结果：

• 返回原始输入而非处理后的数据：函数最后return id，完全没有使用你处理过的数组，所以必然返回原列表。
• numpy数组操作未赋值，无实际修改：np.delete不会直接修改原数组，而是返回一个新数组，你没有将结果重新赋值给rounded，所以所有删除操作都无效。
• 循环范围错误：你用range(len(id))循环0到11，但实际实验编号是1-5，大部分循环值在rounded中不存在，属于无效判断。
• 向下取整的方法错误：注释写的是"round value down"（向下取整），但你用了np.round（四舍五入），虽然这里部分结果一致，但应该用np.floor或者直接取整数部分更准确。
• 未将输入列表转为numpy数组：直接对列表使用numpy函数容易出现隐式转换问题，建议先转为numpy数组处理。

修正后的代码 #

import numpy as np

def removeIncomplete(id_list):
    # 转为numpy数组，方便后续操作
    id_arr = np.array(id_list)
    # 取ID的整数部分（对应实验编号），用floor实现向下取整
    exp_numbers = np.floor(id_arr).astype(int)
    # 获取所有唯一的实验编号
    unique_exps = np.unique(exp_numbers)
    
    # 找出样本量>=3的实验编号
    valid_exps = []
    for exp in unique_exps:
        if np.sum(exp_numbers == exp) >= 3:
            valid_exps.append(exp)
    
    # 筛选出属于有效实验的ID，保留原顺序
    filtered_ids = id_arr[np.isin(exp_numbers, valid_exps)]
    # 转回列表格式（与输入格式保持一致）
    return filtered_ids.tolist()

# 测试函数
id = [1.3, 2.2, 2.3, 4.2, 5.1, 3.2, 5.3, 3.3, 2.1, 1.1, 5.2, 3.1]
print(removeIncomplete(id))

代码说明 #

1. 输入转换：将输入列表转为numpy数组，便于后续向量化操作。
2. 提取实验编号：用np.floor获取ID的整数部分，明确对应实验编号，避免四舍五入的歧义。
3. 筛选有效实验：遍历所有唯一实验编号，统计每个实验的样本量，保留样本量≥3的实验。
4. 过滤ID：用np.isin筛选出属于有效实验的ID，自动保留原顺序。
5. 返回结果：将numpy数组转回列表格式，和输入格式保持一致。

运行修正后的代码，会输出目标向量：[2.2, 2.3, 5.1, 3.2, 5.3, 3.3, 2.1, 5.2, 3.1]

内容的提问来源于stack exchange，提问作者Annika