使用掩码沿Numpy 4D阵列沿所有零删除空元素

Question

给定样品numpy阵列，如：

a = np.array([[[[0,0,0], [0,0,0], [0,0,0]],
               [[0,0,0], [0,0,0], [0,0,0]]],
              [[[0,1,2], [1,1,1], [1,1,1]],
               [[1,1,1], [1,2,2], [1,1,1]]],
              [[[0,1,2], [1,1,1], [1,1,1]],
               [[1,1,1], [1,2,2], [1,1,1]]],
              [[[0,1,2], [1,1,1], [1,1,1]],
               [[1,1,1], [1,2,2], [1,1,1]]]])
#a.shape = (4, 2, 3, 3)

考虑到第一个元素是所有零，我如何才能返回具有形状(3,2,3,3(的Numpy阵列(3,2,3,3(？我的数据集是形状(m，x，y，z(的较大数据集，我需要返回非零(m-n，x，y，z(阵列，其中n为(x，y，z(形状阵列与所有零一起。

到目前为止，我尝试过：

mask = np.equal(a, np.zeros(shape=(2,3,3)))
'''
Returns:
        [[[[ True  True  True]
   [ True  True  True]
   [ True  True  True]]
  [[ True  True  True]
   [ True  True  True]
   [ True  True  True]]]

 [[[ True False False]
   [False False False]
   [False False False]]
  [[False False False]
   [False False False]
   [False False False]]]

 [[[ True False False]
   [False False False]
   [False False False]]
  [[False False False]
   [False False False]
   [False False False]]]

 [[[ True False False]
   [False False False]
   [False False False]]
  [[False False False]
   [False False False]
   [False False False]]]]
'''

但是应用a[~mask]给了我一个扁平的数组：

[1 2 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 2 1
 1 1 1 1 1 1 1 1 1 2 2 1 1 1] (51,)

我需要的就是这样：

np.array([[[[0,1,2], [1,1,1], [1,1,1]],
           [[1,1,1], [1,2,2], [1,1,1]]],
          [[[0,1,2], [1,1,1], [1,1,1]],
           [[1,1,1], [1,2,2], [1,1,1]]],
          [[[0,1,2], [1,1,1], [1,1,1]],
           [[1,1,1], [1,2,2], [1,1,1]]]])

奖金：我需要将其应用于单独的/镜像(M，X，Y，Z(形数组，所以也许我需要蒙版的方法？

Answer 1

在第一个轴以外的轴上使用 all来创建布尔数组以进行索引：

a[~(a == 0).all(axis=(1,2,3))]
#array([[[[0, 1, 2],
#         [1, 1, 1],
#         [1, 1, 1]],
#        [[1, 1, 1],
#         [1, 2, 2],
#         [1, 1, 1]]],

#       [[[0, 1, 2],
#         [1, 1, 1],
#         [1, 1, 1]],
#        [[1, 1, 1],
#         [1, 2, 2],
#         [1, 1, 1]]],

#       [[[0, 1, 2],
#         [1, 1, 1],
#         [1, 1, 1]],
#        [[1, 1, 1],
#         [1, 2, 2],
#         [1, 1, 1]]]])