Извлечь столбцы из матрицы и сделать из них две другие матрицы

def con():
    X = np.array([[1,5,9,10],
                  [2,6,9,10]])
    
    Y = [1,-1,1,-1]
 
    num_pos = np.count_nonzero(Y == 1)
    num_neg = np.count_nonzero(Y == -1)
    
    S1 = np.zeros((X.shape[0], num_pos))
    S2 = np.zeros((X.shape[0], num_neg))
    
    for i in range(X.shape[1]):
        if Y[i] > 0:
            S1 = np.c_[(S1, X[:,i])] # конкатенация столбцов
        else:
            S2 = np.c_[(S2, X[:,i])]
            
    print(S1)
    print("\n")
    print(S2)

(np.all(S1 == 0)):

def train_lda(X,Y):
    num_pos = np.count_nonzero(Y == 1)
    num_neg = np.count_nonzero(Y == -1)
    
    S1 = np.zeros(X.shape[0])
    S2 = np.zeros(X.shape[0])
    
    for i in range(X.shape[1]):
        if Y[i] > 0:
            if (np.all(S1 == 0)):
                S1[:] = X[:,i]
            else:
                S1 = np.c_[(S1, X[:,i])]
        else:
            if (np.all(S2 == 0)):
                S2[:] = X[:,i]
            else:
                S2 = np.c_[(S2, X[:,i])]

def lda(X,Y):
        
    num_pos = np.count_nonzero(Y == 1)
    num_neg = np.count_nonzero(Y == -1)
    
    S1 = np.zeros(X.shape[0])
    S2 = np.zeros(X.shape[0])
    
    S1 = X[:, Y>0]
    S2 = X[:, Y<0]
         
    mu_pos = S1.mean(axis=1)
    mu_neg = S2.mean(axis=1)
    
    S1 = S1 - S1.mean(axis=1, keepdims=True)
    S2 = S2 - S2.mean(axis=1, keepdims=True)
          
    S1 = np.cov(S1)
    S2 = np.cov(S2)
    
    Sw = (S1+S2)/2
    
    w = np.dot(np.linalg.pinv(Sw), mu_pos-mu_neg)
    b = 1/2*np.dot(np.transpose(w), (mu_pos+mu_neg))
    
    return w, b