ค้นหาดัชนีองค์ประกอบเท่ากับศูนย์ในอาร์เรย์ NumPy

144

NumPy มีฟังก์ชั่น / วิธีที่มีประสิทธิภาพในการnonzero()ระบุดัชนีขององค์ประกอบที่ไม่เป็นศูนย์ในndarrayวัตถุ เป็นวิธีที่มีประสิทธิภาพมากที่สุดที่จะได้รับดัชนีขององค์ประกอบที่ว่าสิ่งที่ทำจะมีค่าเป็นศูนย์?

python numpy

— gotgenes
แหล่งที่มา

226

numpy.where ()เป็นรายการโปรดของฉัน

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.where(x == 0)[0]
array([1, 3, 5])

— mtrw
แหล่งที่มา

16

ฉันพยายามจำ Python ทำไมwhere()คืน tuple numpy.where(x == 0)[1]อยู่นอกขอบเขต อาร์เรย์ของดัชนีคืออะไรควบคู่ไปกับ?

— Zhubarb

@Zhubarb - การใช้งานส่วนใหญ่ของ indeces เป็น tuples - np.zeros((3,))เพื่อสร้างเวกเตอร์ยาว 3 ตัวอย่าง ฉันสงสัยว่านี่คือการแยกวิเคราะห์ params ง่าย ๆ มิฉะนั้นสิ่งที่คล้ายnp.zeros(3,0,dtype='int16')กับnp.zeros(3,3,3,dtype='int16')จะน่ารำคาญที่จะใช้

— mtrw

5

ไม่ whereส่งคืน tuple ของndarrays แต่ละรายการสอดคล้องกับมิติของอินพุต 1-tupleในกรณีนี้การป้อนข้อมูลที่เป็นอาร์เรย์เพื่อการส่งออกเป็น ถ้า x เป็นเมทริกซ์มันจะเป็น2-tupleเช่นนั้นเป็นต้น

— Ciprian Tomoiagă

1

ตั้งแต่ numpy 1.16, เอกสารสำหรับnumpy.whereแนะนำให้ใช้numpy.nonzeroโดยตรงโดยเฉพาะมากกว่าการโทรwhereด้วยอาร์กิวเมนต์เพียงตัวเดียว

— jirassimok

@jirassimok คุณใช้ค่าที่ไม่ใช่ศูนย์เพื่อค้นหาค่าศูนย์ตามที่คำถามถามได้อย่างไร

— mLstudent33

28

นอกจากนี้np.argwhere,

import numpy as np
arr = np.array([[1,2,3], [0, 1, 0], [7, 0, 2]])
np.argwhere(arr == 0)

ซึ่งส่งกลับดัชนีที่พบทั้งหมดเป็นแถว:

array([[1, 0],    # Indices of the first zero
       [1, 2],    # Indices of the second zero
       [2, 1]],   # Indices of the third zero
      dtype=int64)

— MSeifert
แหล่งที่มา

23

คุณสามารถค้นหาเงื่อนไขเซนต์คิตส์และเนวิสด้วย:

>>> a = np.asarray([0,1,2,3,4])
>>> a == 0 # or whatver
array([ True, False, False, False, False], dtype=bool)

ซึ่งจะให้กลับอาร์เรย์เป็นหน้ากากบูลีนของเงื่อนไข

— เนท
แหล่งที่มา

1

คุณสามารถใช้สิ่งนี้เพื่อเข้าถึงองค์ประกอบที่เป็นศูนย์:a[a==0] = epsilon

— Quant Metropolis

17

นอกจากนี้คุณยังสามารถใช้nonzero()โดยใช้บนบูลีนมาสก์ของเงื่อนไขเนื่องจากFalseเป็นศูนย์เช่นกัน

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])

>>> x==0
array([False, True, False, True, False, True, False, False, False, False, False], dtype=bool)

>>> numpy.nonzero(x==0)[0]
array([1, 3, 5])

มันทำเหมือนกับmtrwวิธีของมัน แต่มันเกี่ยวข้องกับคำถามมากกว่า)

— Dusch
แหล่งที่มา

นี่ควรเป็นคำตอบที่ยอมรับได้เนื่องจากเป็นการใช้nonzeroวิธีการตรวจสอบเงื่อนไข

— sophros

5

คุณสามารถใช้ numpy.nonzero เพื่อค้นหาศูนย์

>>> import numpy as np
>>> x = np.array([1,0,2,0,3,0,0,4,0,5,0,6]).reshape(4, 3)
>>> np.nonzero(x==0)  # this is what you want
(array([0, 1, 1, 2, 2, 3]), array([1, 0, 2, 0, 2, 1]))
>>> np.nonzero(x)
(array([0, 0, 1, 2, 3, 3]), array([0, 2, 1, 1, 0, 2]))

— chmnsk
แหล่งที่มา

4

หากคุณกำลังทำงานกับอาเรย์แบบหนึ่งมิตินั่นคือน้ำตาลประโยค:

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.flatnonzero(x == 0)
array([1, 3, 5])

— dvdvck
แหล่งที่มา

ทำงานได้ดีตราบใดที่ฉันมีเพียงเงื่อนไขเดียว ถ้าฉันต้องการค้นหา "x == numpy.array (0,2,7)" ผลลัพธ์ควรเป็นอาร์เรย์ ([1,2,3,5,9]) แต่ฉันจะได้รับสิ่งนี้ได้อย่างไร

— MoTSCHIGGE

คุณสามารถทำได้ด้วย:numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))

— Dusch

1

import numpy as np

x = np.array([1,0,2,3,6])
non_zero_arr = np.extract(x>0,x)

min_index = np.amin(non_zero_arr)
min_value = np.argmin(non_zero_arr)

— sramij
แหล่งที่มา

1

ฉันจะทำมันด้วยวิธีต่อไปนี้:

>>> x = np.array([[1,0,0], [0,2,0], [1,1,0]])
>>> x
array([[1, 0, 0],
       [0, 2, 0],
       [1, 1, 0]])
>>> np.nonzero(x)
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))

# if you want it in coordinates
>>> x[np.nonzero(x)]
array([1, 2, 1, 1])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1])

— Jeril
แหล่งที่มา