Python 多维数组中向量的numpy第一个非零值

我有一个三维的numpy-ndarray形状（I，j，k），其中每一行是多个大小相似的向量的数组

我想提取一个（I，k）形数组，这样行的每个元素都包含其“j”向量组的第一个非零元素

基本上，给定一个数组，例如：

[
  [
    [0 , 10 , 12 ,  0 , 4],
    [0 ,  0 , 13 ,  1 , 2],
    [12, 14 ,  1 , 12 , 8]
  ],

  [
    [5 , 17 , 12 ,  9 , 0],
    [0 ,  0 , 13 ,  1 , 0],
    [12, 14 ,  1 , 12 , 8]
  ],

  [
    [0 , 0  , 19 ,  0 , 9],
    [2 , 6  , 13 ,  0 , 2],
    [12, 14 ,  1 , 12 , 8]
  ]
]

我希望能找到像这样的东西：

[
  [12, 10, 12, 1, 4],
  [5 , 17, 12, 9, 8],
  [2 , 6, 19, 12, 9]
]

如何有效地找到结果

import numpy as np

i,j,k = 3, 5, 10 #in real problem, these are pretty large
arr = np.random.randint(0, 10000, (i,j,k))
#????????

使用简单的转置和高级索引，解决方案如下所示：

import numpy as np

a = np.array([
  [
    [0 , 10 , 12 ,  0 , 4],
    [0 ,  0 , 13 ,  1 , 2],
    [12, 14 ,  1 , 12 , 8]
  ],

  [
    [5 , 17 , 12 ,  9 , 0],
    [0 ,  0 , 13 ,  1 , 0],
    [12, 14 ,  1 , 12 , 8]
  ],

  [
    [0 , 0  , 19 ,  0 , 9],
    [2 , 6  , 13 ,  0 , 2],
    [12, 14 ,  1 , 12 , 8]
  ]
])

# swapping the 0 and 1 axes, to make the rest of the code easier
a = a.transpose((1, 0, 2))

# initialising result to zeroes, same shape as a single layer of the transposed a
result = np.zeros(a[0].shape, np.int32)

# one layer at a time
for layer in a:
    # as soon as result contains no more zeroes, done
    if len(result[result == 0]) == 0:
        break
    else:
        # replace all values of result that are zero
        # with values from the same location in layer
        result[result == 0] = layer[result == 0]

print(result)

印刷品：

[[12 10 12  1  4]
 [ 5 17 12  9  8]
 [ 2  6 19 12  9]]

---

这并不是最优雅的方式，因为我写得相当快。然而，希望这足以让你开始

def find_non_zero（lst）：
对于lst中的num：
如果num！=0:
返回数

首先，我们定义了一个非常简单的辅助函数，

find_non_zero

，它接收一维列表作为输入，并返回第一个非零条目。然后，当我们在

数组

中的二维数组的每列上循环时，将使用此函数，该数组是提供的三维输入数组

将numpy导入为np
数组=[
[
[0 , 10 , 12 ,  0 , 4],
[0 ,  0 , 13 ,  1 , 2],
[12, 14 ,  1 , 12 , 8]
],
[
[5 , 17 , 12 ,  9 , 0],
[0 ,  0 , 13 ,  1 , 0],
[12, 14 ,  1 , 12 , 8]
],
[
[0 , 0  , 19 ,  0 , 9],
[2 , 6  , 13 ,  0 , 2],
[12, 14 ,  1 , 12 , 8]
]
]
最终结果=[]
对于阵列中的阵列：
array=np.array（array）.T
最终结果。追加（[为数组中的列查找非零列]）
打印（最终结果）

这将产生以下输出

[[12, 10, 12, 1, 4], [5, 17, 12, 9, 8], [2, 6, 19, 12, 9]]

Numpy的

.T

transpose操作符很方便，因为它允许我们按列而不是默认行循环二维数组。有关转置运算符的更多信息，请阅读

---

我很乐意回答您可能有的任何其他问题。

使用沿轴应用，然后应用函数nonzero并获取所需轴中的第一个元素

np.apply_along_axis(lambda e: e[np.nonzero(e)][0], 1, x)

或

输出

array([[12, 10, 12,  1,  4],
       [ 5, 17, 12,  9,  8],
       [ 2,  6, 19, 12,  9]])

---

根据品味，OP可能更喜欢基于Python的解决方案，而不是只使用

numpy

。正如您所料，它会慢一点-我使用

timeit

对您的解决方案和我的

numpy

进行了基准测试，我的解决方案大约需要1.41秒进行100000次迭代，而您的解决方案大约需要1.62秒。数字不多，但数组当然很小。

array([[12, 10, 12,  1,  4],
       [ 5, 17, 12,  9,  8],
       [ 2,  6, 19, 12,  9]])