numpy.
nonzero
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。
argwhere
注解
在零维数组或标量上调用时, nonzero(a) 被视为 nonzero(atleast_1d(a)) .
nonzero(a)
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。
atleast_1d
输入数组。
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。
a[nonzero(a)]
x[x.astype(bool)]
x[x != 0]
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]))