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。

笔记

当在零维数组或标量上调用时,nonzero(a)被视为nonzero(atleast_1d(a))

自版本 1.17.0 起已弃用:atleast_1d如果此行为是故意的,请明确使用。

参数
类似数组

输入数组。

返回
tuple_of_arrays 元

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]))