numpy.where(condition)的输出不是一个数组，而是一个数组元组：为什么？

Question

numpy.where(condition)的输出不是一个数组，而是一个数组元组：为什么？

53

我正在尝试使用 numpy.where(condition[, x, y]) 函数。
根据numpy文档，如果你只给一个数组作为输入，它应该返回数组中非零元素（即“True”）的索引：

如果只有 condition 被给出，返回元组 condition.nonzero()，其中包含 condition 为真的索引。

但是如果我尝试它，它会返回一个包含两个元素的元组，第一个元素是想要的索引列表，第二个元素是空元素：

>>> import numpy as np
>>> array = np.array([1,2,3,4,5,6,7,8,9])
>>> np.where(array>4)
(array([4, 5, 6, 7, 8]),) # notice the comma before the last parenthesis

所以问题是：为什么？这种行为的目的是什么？在什么情况下会有用呢？实际上，为了得到想要的索引列表，我必须添加索引，如np.where(array>4)[0]，看起来...“丑陋”。

补充说明

我理解（根据某些答案）它实际上是只有一个元素的元组。但我仍然不明白为什么要以这种方式输出。为了说明这不是理想的方法，请考虑以下错误（这也是我提出问题的原因）：

>>> import numpy as np
>>> array = np.array([1,2,3,4,5,6,7,8,9])
>>> pippo = np.where(array>4)
>>> pippo + 1
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can only concatenate tuple (not "int") to tuple

所以你需要进行一些索引才能访问实际的索引数组：

>>> pippo[0] + 1
array([5, 6, 7, 8, 9])

- Fabio

4

np.argwhere 怎么样？ - Divakar

6

СйажюђУдЂуџёТў»np.flatnonzero№╝їт«ЃТЅДУАїуџёТЊЇСйюТў»a.ravel().nonzero()[0]сђѓ - hpaulj

3个回答

12

简短回答：无论数组的维数如何，np.where 都旨在具有一致的输出。

一个二维数组有两个索引，因此 np.where 的结果是一个长度为2的元组，其中包含相关的索引。对于三维数组，结果将变为长度为3的元组，四维则为长度为4的元组，或者长度为N的元组（如果是N维）。按照这个规则，在1维中，结果应该是一个长度为1的元组。

- jakevdp

我不明白为什么不使用n维数组，其中第n个轴对应第n个维度？元组的不同元素长度可以不同吗？ - Gulzar

使用数组进行索引与使用元组进行索引具有不同的语义。如果结果是ndarray而不是元组，则x[np.where(x == 0)]将不会返回数组中的零元素。 - jakevdp

1

只需使用np.asarray函数。在您的情况下：

>>> import numpy as np
>>> array = np.array([1,2,3,4,5,6,7,8,9])
>>> pippo = np.asarray(np.where(array>4))
>>> pippo + 1
array([[5, 6, 7, 8, 9]])

- Panagiotis Simakis

为什么要使用np.asarray()而不是np.array()？ - user7345804

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- hpaulj · Accepted Answer

在Python中，(1)表示只有一个元素的集合 1。为了方便人类阅读，在数字和表达式中可以自由添加括号（例如：(1+3)*3 和 (1+3,)*3）。因此，如果要表示只有一个元素的元组，需要使用(1,)（同时也需要将其用作这个元组）。

(array([4, 5, 6, 7, 8]),)

（[array]，）是一个只有一个元素的元组，该元素是一个数组。

如果你将where应用于一个二维数组，结果将是一个有两个元素的元组。

where的结果可以直接插入到索引插槽中，例如：

a[where(a>0)]
a[a>0]

应该返回相同的内容

就像会返回的一样

I,J = where(a>0)   # a is 2d
a[I,J]
a[(I,J)]

或者以您的示例为例：

In [278]: a=np.array([1,2,3,4,5,6,7,8,9])
In [279]: np.where(a>4)
Out[279]: (array([4, 5, 6, 7, 8], dtype=int32),)  # tuple

In [280]: a[np.where(a>4)]
Out[280]: array([5, 6, 7, 8, 9])

In [281]: I=np.where(a>4)
In [282]: I
Out[282]: (array([4, 5, 6, 7, 8], dtype=int32),)
In [283]: a[I]
Out[283]: array([5, 6, 7, 8, 9])

In [286]: i, = np.where(a>4)   # note the , on LHS
In [287]: i
Out[287]: array([4, 5, 6, 7, 8], dtype=int32)  # not tuple
In [288]: a[i]
Out[288]: array([5, 6, 7, 8, 9])
In [289]: a[(i,)]
Out[289]: array([5, 6, 7, 8, 9])

======================

np.flatnonzero 展示了正确的方式，无论输入数组的维度如何，都可以返回一个数组。

In [299]: np.flatnonzero(a>4)
Out[299]: array([4, 5, 6, 7, 8], dtype=int32)
In [300]: np.flatnonzero(a>4)+10
Out[300]: array([14, 15, 16, 17, 18], dtype=int32)

它的文档说：

这等同于 a.ravel().nonzero()[0]

实际上，这确实是该函数的作用。

通过将 a 扁平化，消除了处理多个维度的问题。然后它从元组中取出响应，给你一个普通的数组。通过扁平化，它不必为 1d 数组制定特殊情况。

===========================

@Divakar 建议使用 np.argwhere：

In [303]: np.argwhere(a>4)
Out[303]: 
array([[4],
       [5],
       [6],
       [7],
       [8]], dtype=int32)

这段代码的作用是将数组a中大于4的元素的索引转置并输出，代码为np.transpose(np.where(a>4))

如果您不喜欢列向量，也可以再次进行转置。

In [307]: np.argwhere(a>4).T
Out[307]: array([[4, 5, 6, 7, 8]], dtype=int32)

除了现在它是一个1xn数组。

我们可以同样地将where封装在array中：

In [311]: np.array(np.where(a>4))
Out[311]: array([[4, 5, 6, 7, 8]], dtype=int32)

有许多方法可以从 where 元组中取出数组（[0]、i,=、transpose、array等）。