Python 在NumPy数组中查找等于零的元素索引

NumPy具有识别

ndarray

对象中非零元素索引的有效功能/方法。获取值为零的元素索引的最有效方法是什么？

是我最喜欢的方法

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

---

您可以使用以下命令搜索任何标量条件：

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

---

这将返回作为条件布尔掩码的数组。

如果使用一维数组，则有一个语法糖：

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

您还可以在条件的布尔掩码上使用

nonzero（）

，因为

False

也是一种零

>>> 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])

它的做法与mtrw的做法完全相同，但与问题更相关；）

有

它将所有找到的索引作为行返回：

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

---

我会这样做：

>>> 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])

---

可以使用numpy.nonzero查找零

>>> 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]))

---

我正在努力记住Python。为什么

where（）

返回元组

numpy。其中（x==0）[1]

超出范围。那么索引数组耦合到什么呢？@Zhubarb-索引的大多数用法都是元组-

np.zero（（3，）

，例如，生成一个3长的向量。我怀疑这是为了使解析参数变得容易。否则，像

np.zero（3,0，dtype='int16'）

与

np.zero（3,3,3，dtype='int16'）

之类的东西将很难实现。否

其中

返回

ndarray

s的元组，每个元组对应于输入的维度。在这种情况下，输入是一个数组，因此输出是一个

1元组。如果x是一个矩阵，那么它将是一个
2元组
，因此在numpy 1.16中，特别建议直接使用
numpy.nonzero
，而不是只使用一个参数调用
where
。@mLstudent33与使用
where
的方式完全相同，如中所示。根据，
where（x）
相当于
asarray（x）.nonzero（）
。只要我只有一个条件，这就行了。如果我想搜索“x==numpy.array（0,2,7）”，该怎么办？结果应该是数组（[1,2,3,5,9]）。但是我怎么能得到这个呢？你可以用：
numpy.flatnorzero（numpy.logical\u或（numpy.logical\u或（x==0，x==2，x==7））
你可以用它来访问零元素：
a[a==0]=epsilon
这应该是公认的答案，因为这是检查条件的
nonzero
方法的建议用法。
>>> 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])

>>> 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]))