NumPy数组中元素的索引

Question

在Python中，我们可以使用.index()方法获取数组中值的索引。

但是对于NumPy数组，当我尝试执行以下操作时：

decoding.index(i)

我得到：

AttributeError: 'numpy.ndarray'对象没有属性'index'

如何在NumPy数组上执行此操作？

- Marc Ortiz

Answer 1

使用np.where来获取给定条件为True的索引。

示例：

对于名为a的2D np.ndarray：

i, j = np.where(a == value) # when comparing arrays of integers

i, j = np.where(np.isclose(a, value)) # when comparing floating-point arrays

对于一个一维数组：

i, = np.where(a == value) # integers

i, = np.where(np.isclose(a, value)) # floating-point

请注意，这也适用于像>=、<=、!=等条件...。

您还可以创建一个带有index()方法的np.ndarray子类：

class myarray(np.ndarray):
    def __new__(cls, *args, **kwargs):
        return np.array(*args, **kwargs).view(myarray)
    def index(self, value):
        return np.where(self == value)

测试：

a = myarray([1,2,3,4,4,4,5,6,4,4,4])
a.index(4)
#(array([ 3,  4,  5,  8,  9, 10]),)

- Saullo G. P. Castro

---

在一维情况下，为什么变量名后面要加逗号？是为了防止输入错误吗？ - BUFU

@BUFU，这是因为np.where的输出始终是一个tuple。如果我使用i = np.where(...)，那么我的变量i将是一个tuple对象。 - Saullo G. P. Castro

Answer 2

你可以将numpy数组转换为列表并获取其索引。 例如：

tmp = [1,2,3,4,5] #python list
a = numpy.array(tmp) #numpy array
i = list(a).index(2) # i will return index of 2, which is 1

这正是你想要的。

- Statham

Answer 3

我在这两种实现 NumPy 数组索引的方式之间犹豫不决：

idx = list(classes).index(var)
idx = np.where(classes == var)

两种方法所使用的字符数相同，但第一种方法返回一个int，而不是一个numpy.ndarray。

- jlansey

---

idx = list(classes).index(var) <----- 这太棒了！ - haperes

Answer 4

这个问题可以使用 numpy_indexed 库（免责声明：我是它的作者）高效地解决；该库是为了解决这种类型的问题而创建的。npi.indices 可以被视为 list.index 的 n 维泛化。它将作用于 nd-arrays（沿着指定的轴）；并且也将以向量化的方式查找多个条目，而不是一次查找单个条目。

a = np.random.rand(50, 60, 70)
i = np.random.randint(0, len(a), 40)
b = a[i]

import numpy_indexed as npi
assert all(i == npi.indices(a, b))

这个解决方案的时间复杂度更好（最坏情况下为n log n），比先前发布的任何答案都要好，并且是完全向量化的。

- Eelco Hoogendoorn

Answer 5

您可以使用函数numpy.nonzero()，或数组的nonzero()方法。

import numpy as np

A = np.array([[2,4],
          [6,2]])
index= np.nonzero(A>1)
       OR
(A>1).nonzero()

输出:

(array([0, 1]), array([1, 0]))

输出的第一个数组表示行索引，第二个数组表示相应的列索引。

- N.Moudgil

Answer 6

如果你对索引感兴趣，最好的选择是np.argsort(a)。"Original Answer"翻译成"最初的回答"。

a = np.random.randint(0, 100, 10)
sorted_idx = np.argsort(a)

- Victor Zuanazzi