NumPy提供了高效的函数/方法nonzero()
,用于确定ndarray
对象中非零元素的索引。那么,获取具有零数值的元素的索引的最有效方法是什么?
numpy.where()是我最喜欢的函数。
>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.where(x == 0)[0]
array([1, 3, 5])
方法where
返回一个元组(ndarrays),每个元素对应于输入的不同维度。由于输入是一维的,[0]
用于解构元组中的唯一元素。有一个np.argwhere
函数,
import numpy as np
arr = np.array([[1,2,3], [0, 1, 0], [7, 0, 2]])
np.argwhere(arr == 0)
它会将所有找到的索引作为行返回:
array([[1, 0], # Indices of the first zero
[1, 2], # Indices of the second zero
[2, 1]], # Indices of the third zero
dtype=int64)
您可以使用以下方法搜索任何标量条件:
>>> a = np.asarray([0,1,2,3,4])
>>> a == 0 # or whatver
array([ True, False, False, False, False], dtype=bool)
这将以条件的布尔掩码形式返回数组。
a[a==0] = epsilon
。 - Quant Metropolis由于False
也是一种零,您还可以通过在条件的布尔掩码上使用nonzero()
来使用它。
>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> x==0
array([False, True, False, True, False, True, False, False, False, False, False], dtype=bool)
>>> numpy.nonzero(x==0)[0]
array([1, 3, 5])
它与 mtrw
的方法完全相同,但更与问题相关 ;)
nonzero
方法来检查条件。 - sophros>>> import numpy as np
>>> x = np.array([1,0,2,0,3,0,0,4,0,5,0,6]).reshape(4, 3)
>>> np.nonzero(x==0) # this is what you want
(array([0, 1, 1, 2, 2, 3]), array([1, 0, 2, 0, 2, 1]))
>>> np.nonzero(x)
(array([0, 0, 1, 2, 3, 3]), array([0, 2, 1, 1, 0, 2]))
如果你正在使用一维数组,那么有一个语法糖:
>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.flatnonzero(x == 0)
array([1, 3, 5])
numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))
- Duschimport numpy as np
arr = np.arange(10000)
arr[8000:8900] = 0
%timeit np.where(arr == 0)[0]
%timeit np.argwhere(arr == 0)
%timeit np.nonzero(arr==0)[0]
%timeit np.flatnonzero(arr==0)
%timeit np.amin(np.extract(arr != 0, arr))
23.4 µs ± 1.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
34.5 µs ± 680 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
23.2 µs ± 447 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
27 µs ± 506 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
109 µs ± 669 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> x = np.array([[1,0,0], [0,2,0], [1,1,0]])
>>> x
array([[1, 0, 0],
[0, 2, 0],
[1, 1, 0]])
>>> np.nonzero(x)
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))
# if you want it in coordinates
>>> x[np.nonzero(x)]
array([1, 2, 1, 1])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
[1, 1],
[2, 0],
[2, 1])
import numpy as np
x = np.array([1,0,2,3,6])
non_zero_arr = np.extract(x>0,x)
min_index = np.amin(non_zero_arr)
min_value = np.argmin(non_zero_arr)
where()
会返回一个元组?numpy.where(x == 0)[1]
越界了。那么与之配对的索引数组是什么? - Zhubarbwhere
函数返回一个包含若干个ndarray
数组的元组,其中每个数组对应输入数组的一个维度。如果输入是一个一维数组,那么输出是一个包含一个数组的元组。如果输入是一个矩阵,那么输出将是一个包含两个数组的元组,以此类推。请注意,该函数返回的是元组而不是单个数组。 - Ciprian Tomoiagănumpy.where
的文档明确建议直接使用numpy.nonzero
而不是仅传递一个参数给where
函数。 - jirassimokwhere
相同,如Dusch的答案所示。根据where
的文档,where(x)
等同于asarray(x).nonzero()
。 - jirassimok