numpy.nonzero¶

numpy.nonzero(a)[源代码]¶

返回非零元素的索引。

返回数组的元组，每个数组的 a ，包含该维度中非零元素的索引。中的值 a 总是测试和返回行主要，C风格的顺序。

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。

注解

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

1.17.0 版后已移除: 使用 atleast_1d 如果这种行为是故意的。

参数

aarray_like: 输入数组。

返回

tuple_of_arrays元组: 非零元素的索引。

参见

flatnonzero: 返回输入数组扁平版本中非零的索引。
ndarray.nonzero: 等效Ndarray方法。
count_nonzero: 统计输入数组中非零元素的数目。

笔记

而非零值可以用 a[nonzero(a)] ，建议使用 x[x.astype(bool)] 或 x[x != 0] 相反，它将正确处理0-d数组。

实例

>>> 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]])

常用于 nonzero 查找条件为真的数组的索引。给定数组 a ，条件 a >3是一个布尔数组，由于false被解释为0，np.nonzero（a>3）生成 a 如果条件是真的。

>>> 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]))

使用此结果编制索引 a 相当于直接使用遮罩：

>>> 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调用。

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

numpy.s_ numpy.where