提示：这里简述项目相关背景：
两个numpy数组要删掉共有的元素
例如：
a=[1,2,3,4,5,6] b=[1,2,3]
最终我想获得x=[4,5,6]
x=a[~np.in1d((a,b))] 这个语句即可
注意：
in1d中的是1，不是L
介绍 NumPy 数组元素的增删改查操作，主要有以下方法：
数组元素操作方法
| 函数名称 | 描述说明 |
|---|---|
| resize | 返回指定形状的新数组。 |
| append | 将元素值添加到数组的末尾。 |
| insert | 沿规定的轴将元素值插入到指定的元素前。 |
| delete | 删掉某个轴上的子数组，并返回删除后的新数组。 |
| argwhere | 返回数组内符合条件的元素的索引值。 |
| unique | 用于删除数组中重复的元素，并按元素值由大到小返回一个新数组。 |
numpy.resize() 返回指定形状的新数组。
numpy.resize(arr, shape)
使用示例：
import numpy as np a = np.array([[1,2,3],[4,5,6]]) print(a) #a数组的形状 print(a.shape) b = np.resize(a,(null,2)) #b数组 print (b) #b数组的形状 print(b.shape) #修改b数组使其形状大于原始数组 b = np.resize(a,(null,3)) print(b)
输出结果为：
a数组：
[[1 2 3]
[4 5 6]]a形状：
(null, 3)b数组：
[[1 2]
[3 4]
[5 6]]b数组的形状：
(null, 2)修改后b数组：
[[1 2 3]
[4 5 6]
[1 2 3]]
这里需要区别 resize() 和 reshape() 的使用方法，它们看起来相似，实则不同。
resize 仅对原数组进行修改，没有返回值，而 reshape 不仅对原数组进行修改，同时返回修改后的结果。
看一组示例，如下所示：
In [1]: import numpy as np
In [2]: x=np.arange(12)
#调用resize方法
In [3]: x_resize=x.resize(null,3,2)
In [4]: x
Out[4]:
array([[[ 0, 1],
[ 2, 3],
[ 4, 5]],
[[ 6, 7],
[ 8, 9],
[10, 11]]])
In [5]: x_resize
#返回None使用print打印
In [6]: print(x_resize)
None
#调用reshape方法
In [7]: x_shape=x.reshape(null,3,2)
#返回修改后的数组
In [8]: x_shape
Out[8]:
array([[[ 0, 1],
[ 2, 3],
[ 4, 5]],
[[ 6, 7],
[ 8, 9],
[10, 11]]])
In [9]: x
Out[9]:
array([[[ 0, 1],
[ 2, 3],
[ 4, 5]],
[[ 6, 7],
[ 8, 9],
[10, 11]]])
在数组的末尾添加值，它返回一个一维数组。
numpy.append(arr, values, axis=None)
参数说明：
使用示例：
import numpy as np a = np.array([[1,2,3],[4,5,6]]) #向数组a添加元素 print (np.append(a, [7,8,9])) #沿轴 0 添加元素 print (np.append(a, [[7,8,9]],axis = 0)) #沿轴 1 添加元素 print (np.append(a, [[5,5,5],[7,8,9]],axis = 1))
输出结果为：
向数组a添加元素：
[1 2 3 4 5 6 7 8 9]沿轴 0 添加元素：
[[1 2 3]
[4 5 6]
[7 8 9]]沿轴 1 添加元素：
[[1 2 3 5 5 5]
[4 5 6 7 8 9]]
表示沿指定的轴，在给定索引值的前一个位置插入相应的值，如果没有提供轴，则输入数组被展开为一维数组。
numpy.insert(arr, obj, values, axis)
参数说明：
示例如下：
import numpy as np a = np.array([[1,2],[3,4],[5,6]]) #不提供axis的情况，会将数组展开 print (np.insert(a,3,[11,12])) #沿轴 0 垂直方向 print (np.insert(a,1,[11],axis = 0)) #沿轴 1 水平方向 print (np.insert(a,1,11,axis = 1))
输出结果如下：
提供 axis 参数：
[ 1 2 3 11 12 4 5 6]沿轴 0：
[[ 1 2]
[11 11]
[ 3 4]
[ 5 6]]沿轴 1：
[[ 1 11 2]
[ 3 11 4]
[ 5 11 6]]
该方法表示从输入数组中删除指定的子数组，并返回一个新数组。
它与 insert() 函数相似，若不提供 axis 参数，则输入数组被展开为一维数组。
numpy.delete(arr, obj, axis)
参数说明：
使用示例：
import numpy as np a = np.arange(12).reshape(null,4) #a数组 print(a) #不提供axis参数情况 print(np.delete(a,5)) #删除第二列 print(np.delete(a,1,axis = 1)) #删除经切片后的数组 a = np.array([1,2,3,4,5,6,7,8,9,10]) print (np.delete(a, np.s_[::2]))
输出结果为：
a数组：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]无 axis 参数：
[ 0 1 2 3 4 6 7 8 9 10 11]删除第二列：
[[ 0 2 3]
[ 4 6 7]
[ 8 10 11]]删除经过切片的数组：
[ 2 4 6 8 10]
该函数返回数组中非 0 元素的索引，若是多维数组则返回行、列索引组成的索引坐标。
示例如下所示：
import numpy as np x = np.arange(6).reshape(null,3) print(x) #返回所有大于1的元素索引 y=np.argwhere(x>1) print(y)
输出结果：
#x数组
[[0 1 2]
[3 4 5]]
#返回行列索引坐标
[[0 2]
[1 0]
[1 1]
[1 2]]
用于删除数组中重复的元素，其语法格式如下：
numpy.unique(arr, return_index, return_inverse, return_counts)
参数说明：
示例如下：
import numpy as np a = np.array([5,2,6,2,7,5,6,8,2,9]) print (a) #对a数组的去重 uq = np.unique(a) print (uq) #数组去重后的索引数组 u,indices = np.unique(a, return_index = True) #打印去重后数组的索引 print(indices) #去重数组的下标： ui,indices = np.unique(a,return_inverse = True) print (ui) #打印下标 print (indices) #返回去重元素的重复数量 uc,indices = np.unique(a,return_counts = True) print (uc) 元素出现次数： print (indices)
输出结果为：
a数组：
[5 2 6 2 7 5 6 8 2 9]去重后的a数组
[2 5 6 7 8 9]去重数组的索引数组：
[1 0 2 4 7 9]去重数组的下标：
[2 5 6 7 8 9]原数组在新数组中的下标：
[1 0 2 0 3 1 2 4 0 5]返回去重元素的重复数量：
[2 5 6 7 8 9]统计重复元素出现次数：
[3 2 2 1 1 1]
以上为个人经验，希望对您有所帮助。