numpy.nonzero #
- 麻木的。非零( a ) [来源] #
返回非零元素的索引。
返回一个数组元组,一个数组对应a的每个维度,包含该维度中非零元素的索引。a中的值始终按行优先、C 样式顺序进行测试和返回。
要按元素而不是维度对索引进行分组,请使用
argwhere
,它为每个非零元素返回一行。- 参数:
- 类似数组
输入数组。
- 返回:
- tuple_of_arrays 元组
非零元素的索引。
也可以看看
flatnonzero
返回输入数组的展平版本中非零的索引。
ndarray.nonzero
等效的 ndarray 方法。
count_nonzero
计算输入数组中非零元素的数量。
笔记
虽然可以使用 获得非零值
a[nonzero(a)]
,但建议使用x[x.astype(bool)]
或来代替,它将正确处理 0 维数组。x[x != 0]
例子
>>> x = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]]) >>> x array([[3, 0, 0], [0, 4, 0], [5, 6, 0]]) >>> np.nonzero(x) (array([0, 1, 2, 2]), array([0, 1, 0, 1]))
>>> x[np.nonzero(x)] array([3, 4, 5, 6]) >>> np.transpose(np.nonzero(x)) array([[0, 0], [1, 1], [2, 0], [2, 1]])
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 np.nonzero(a > 3) 产生条件为 true 的a的索引。>>> a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a > 3 array([[False, False, False], [ True, True, True], [ True, True, True]]) >>> np.nonzero(a > 3) (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))
使用这个结果来索引a相当于直接使用掩码:
>>> a[np.nonzero(a > 3)] array([4, 5, 6, 7, 8, 9]) >>> a[a > 3] # prefer this spelling array([4, 5, 6, 7, 8, 9])
nonzero
也可以作为数组的方法来调用。>>> (a > 3).nonzero() (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))