如何在Python中基于部分字符串删除Numpy数组的行

我有一个规模很大的numpy数组，示例如下：

import numpy as np
a = np.array([['#define', 'bad_stringF_H', 'some_value'],
              ['#define', 'good_string', 'some_value2'],
              ['#define', 'good_string_2', 'some_value3'],
              ['#define', 'bad_string2F_H', 'some_value4']])

需求是检测数组第0列中是否包含子串"F_H"，若某行的第0列存在该子串，则删除整行，期望输出如下：

[['#define' 'good_string' 'some_value2']
 ['#define' 'good_string_2' 'some_value3']]

解决方案 #

针对大型数组，用NumPy的向量化操作处理效率最高，具体步骤如下：

1. 生成过滤掩码 #

利用np.char.find对第0列的每个元素进行子串检测，生成布尔掩码：

mask = np.char.find(a[:, 0], 'F_H') == -1

np.char.find会返回子串在字符串中的起始索引，返回-1表示该元素不含目标子串，对应掩码值为True，代表需要保留该行。

2. 过滤数组 #

直接用掩码索引原数组，得到过滤后的结果：

filtered_a = a[mask]

完整可运行代码 #

import numpy as np

a = np.array([['#define', 'bad_stringF_H', 'some_value'],
              ['#define', 'good_string', 'some_value2'],
              ['#define', 'good_string_2', 'some_value3'],
              ['#define', 'bad_string2F_H', 'some_value4']])

# 生成掩码并过滤数组
mask = np.char.find(a[:, 0], 'F_H') == -1
filtered_a = a[mask]

print(filtered_a)

执行后输出：

[['#define' 'good_string' 'some_value2']
 ['#define' 'good_string_2' 'some_value3']]

注意点 #

• 向量化操作避免了Python循环，处理大型数组时性能优势明显
• np.char模块的方法都是向量化的，能直接对数组内所有字符串元素批量操作

内容的提问来源于stack exchange，提问作者pekoms