numpy.ma.nonzero

嘛。非零( self ) = <numpy.ma.core._frommethod对象>

返回不为零的未屏蔽元素的索引。

返回一个数组元组，每个维度一个，包含该维度中非零元素的索引。相应的非零值可以通过以下方式获得：

a[a.nonzero()]

要按元素而不是维度对索引进行分组，请改用：

np.transpose(a.nonzero())

其结果始终是一个二维数组，每个非零元素占一行。

参数：

没有任何

返回：

tuple_of_arrays 元组

非零元素的索引。

也可以看看

numpy.nonzero

在 ndarray 上运行的函数。

flatnonzero

返回输入数组的展平版本中非零的索引。

numpy.ndarray.nonzero

等效的 ndarray 方法。

count_nonzero

计算输入数组中非零元素的数量。

例子

>>> import numpy.ma as ma
>>> x = ma.array(np.eye(3))
>>> x
masked_array(
  data=[[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]],
  mask=False,
  fill_value=1e+20)
>>> x.nonzero()
(array([0, 1, 2]), array([0, 1, 2]))

被屏蔽的元素将被忽略。

>>> x[1, 1] = ma.masked
>>> x
masked_array(
  data=[[1.0, 0.0, 0.0],
        [0.0, --, 0.0],
        [0.0, 0.0, 1.0]],
  mask=[[False, False, False],
        [False,  True, False],
        [False, False, False]],
  fill_value=1e+20)
>>> x.nonzero()
(array([0, 2]), array([0, 2]))

索引也可以按元素分组。

>>> np.transpose(x.nonzero())
array([[0, 0],
       [2, 2]])

常见用途nonzero是查找条件为 True 的数组的索引。给定一个数组a，条件a > 3 是一个布尔数组，并且由于 False 被解释为 0，因此 ma.nonzero(a > 3) 生成条件为 true 时a的索引。

>>> a = ma.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a > 3
masked_array(
  data=[[False, False, False],
        [ True,  True,  True],
        [ True,  True,  True]],
  mask=False,
  fill_value=True)
>>> ma.nonzero(a > 3)
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

nonzero也可以调用条件数组的方法。

>>> (a > 3).nonzero()
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))