1.使用场景

删除数组中指定值的元素，比如我们读取到遥感影像背景值，我们不要使用这些值进行计算，那么我们可以直接删除掉这些背景值不参与计算。

2.删除方法

本来想使用内置函数进行删除的，发现np.delete内置函数只能单行删除指定索引的值，而不是删除所有指定值。如：

indexs=[1]  #需要删除要素的索引
ndvi_removed_array=np.delete(ndvi_reshp_array,indexs,0) #执行删除 只删除了第2个数据

使用list中的remove函数的时候也只能删除一行，也没找到其他可用函数，因此使用迭代逐行删除了。这个效率就很低下了，读取的速度极慢，数据有7000多万个，需要计算较长时间，也不可取。

 #迭代删除，效率很低下
        for i in range(n):
            if ndvi_reshp_array[i] ==-19999:
                index=[i]
                np.delete(ndvi_reshp_array,index,0)

3.优化方法

首先对数据先进行展平，然后排序。开始我把这个数据通过resahpe（n，1）塑性然后使用sort()h函数排序，发现一直不起作用，后来想到这个实际上是一个二维数组，使用这个函数就不能起作用了，因此采用数据展平flatten()函数的方法再使用sort()函数。

ndvi_reshp_array = ndvi_nparray.flatten(('c'))

ndvi_reshp_array.sort()

读取数据中指定值x的个数：

t_index = np.sum(ndvi_reshp_array == x)

我的这个数据x是数组中最小的一个数字，因此这个x的个数就是起始索引值，可以直接采用截取数组的方法去掉所有x值，即：

ndvi_remove_array=ndvi_reshp_array[t_index:]

如果不是最小或者最大值，那就需要继续检索该数值第一个和最后一个出现的位置了。