如何在numpy中将布尔数组转换为索引数组

Question

有没有一种高效的Numpy机制可以根据条件而不是布尔掩码数组来检索数组中位置的整数索引？

例如：

x=np.array([range(100,1,-1)])
#generate a mask to find all values that are a power of 2
mask=x&(x-1)==0
#This will tell me those values
print x[mask]

在这种情况下，我想知道 mask 中 i 的索引，使得 mask[i]==True。有没有不用循环就能生成这些索引的方法？

- Rich

Answer 1

另一个选择：

In [13]: numpy.where(mask)
Out[13]: (array([36, 68, 84, 92, 96, 98]),)

这与 numpy.where(mask==True) 是相同的。

- Steve Tjoa

---

类似地，如果您始终具有一维数组：numpy.flatnonzero(mask)。 - christianbrodbeck

Answer 2

你应该能够使用numpy.nonzero()来找到这些信息。

- aganders3

---

使用numpy.nonzero()[0]，否则你会得到两个数组。一个包含索引，另一个包含值。如果你想要使用索引继续操作，这样更容易。它只会给你一个包含索引的数组。 - Florida Man

@FloridaMan说，numpy.nonzero函数不会返回一个包含值数组的元组作为第二个分量。当布尔数组是多维的时候，才会使用这个元组。根据文档：“返回一个由数组组成的元组，每个数组对应一个维度[...]”。 - equaeghe

Answer 3

如果您想使用索引器方法，您可以将布尔列表转换为numpy数组：

print x[nd.array(mask)]

- Serhiy

Answer 4

np.arange(100,1,-1)
array([100,  99,  98,  97,  96,  95,  94,  93,  92,  91,  90,  89,  88,
        87,  86,  85,  84,  83,  82,  81,  80,  79,  78,  77,  76,  75,
        74,  73,  72,  71,  70,  69,  68,  67,  66,  65,  64,  63,  62,
        61,  60,  59,  58,  57,  56,  55,  54,  53,  52,  51,  50,  49,
        48,  47,  46,  45,  44,  43,  42,  41,  40,  39,  38,  37,  36,
        35,  34,  33,  32,  31,  30,  29,  28,  27,  26,  25,  24,  23,
        22,  21,  20,  19,  18,  17,  16,  15,  14,  13,  12,  11,  10,
         9,   8,   7,   6,   5,   4,   3,   2])

x=np.arange(100,1,-1)

np.where(x&(x-1) == 0)
(array([36, 68, 84, 92, 96, 98]),)

现在请将其改写为：

x[x&(x-1) == 0]

- user2290820