numpy.delete(arr ,id ,axis=None)
官方链接
功能：
(1)如果输入了axis，则把数组arr在axis指定的维度进行切片，并删除掉id指定下标的元素
(2)如果没有输入axis，则把数组arr扁平化，并删除掉id指定下标的元素
示例：
import numpy as np
mat= np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print('mat=',mat)
print('删除第0行：',np.delete(mat,0,axis=0))
print('删除第0列：',np.delete(mat,0,axis=1))
结果：
mat= [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
删除第0行： [[ 5 6 7 8]
[ 9 10 11 12]]
删除第0列： [[ 2 3 4]
[ 6 7 8]
[10 11 12]]
可以使用numpy中的random.choice函数随机选择数组的下标
numpy.random.choice(a, size=None, replace=True, p=None) #a为一维数组或int值，为一维数组时会从该数组中随机选择元素，为int值时会先生成一个np.arange(a)的数组，然后从中随机选择元素 #size为int值，为选择元素的个数 #replace默认为True，意思是随机选择出的元素还会放回样本集中，即生成的数列中可能存在相同的元素，为False时就不会出现 #p为样本选择的概率，默认为一致分布
一维例子，二维直接这样也没有问题
import numpy as np
data=np.random.random(size=10)
data
Out[4]:
array([ 0.21575642, 0.30620622, 0.01454852, 0.46253994, 0.11222712,
0.32893411, 0.11040516, 0.51010326, 0.83162364, 0.84285834])
index_1=np.random.choice(data.shape[0],4,replace=False)
index_1
Out[6]: array([1, 4, 2, 3])
data1=data[index_1]
data1
Out[8]: array([ 0.30620622, 0.11222712, 0.01454852, 0.46253994])然后我们如何获得剩下的数组中的内容呢，我们可以先生成原数组所有的下标，然后用np.delete函数删除之前随机生成的下标数组
# numpy.delete(arr,obj,axis=None)
# arr:输入向量
# obj:表明哪一个子向量应该被移除。可以为整数或一个int型的向量
# axis:表明删除哪个轴的子向量，若默认，则返回一个被拉平的向量
index_2=np.arange(data.shape[0])
index_2
Out[10]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
index_2=np.delete(index_2,index_1)
index_2
Out[12]: array([0, 5, 6, 7, 8, 9])
data2=data[index_2]
data2
Out[14]:
array([ 0.21575642, 0.32893411, 0.11040516, 0.51010326, 0.83162364,
0.84285834])以上为个人经验，希望对您有所帮助。