numpy.ma.masked_array.nonzero#

方法

ma.masked_array.nonzero()[source]#

返回非零且未被掩码的元素的索引。

返回一个数组元组，每个维度一个数组，其中包含该维度中非零元素的索引。对应的非零值可以通过以下方式获取

a[a.nonzero()]

要按元素而非维度对索引进行分组，请改用

np.transpose(a.nonzero())

其结果始终是一个二维数组，每行对应一个非零元素。

参数:

无

返回:

tuple_of_arrays元组: 非零元素的索引。

另请参阅

numpy.nonzero: 作用于 ndarray 的函数。
flatnonzero: 返回输入数组扁平化后非零元素的索引。
numpy.ndarray.nonzero: 等效的 ndarray 方法。
count_nonzero: 计算输入数组中非零元素的数量。

示例

>>> import numpy as np
>>> import numpy.ma as ma
>>> x = ma.array(np.eye(3))
>>> x
masked_array(
  data=[[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]],
  mask=False,
  fill_value=1e+20)
>>> x.nonzero()
(array([0, 1, 2]), array([0, 1, 2]))

被掩码的元素将被忽略。

>>> x[1, 1] = ma.masked
>>> x
masked_array(
  data=[[1.0, 0.0, 0.0],
        [0.0, --, 0.0],
        [0.0, 0.0, 1.0]],
  mask=[[False, False, False],
        [False,  True, False],
        [False, False, False]],
  fill_value=1e+20)
>>> x.nonzero()
(array([0, 2]), array([0, 2]))

索引也可以按元素分组。

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

`nonzero` 的一个常见用途是查找数组中满足条件为 True 的元素的索引。给定数组 `a`，条件 `a > 3` 是一个布尔数组，由于 `False` 被解释为 `0`，`ma.nonzero(a > 3)` 会返回 `a` 中满足条件的元素的索引。

>>> a = ma.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a > 3
masked_array(
  data=[[False, False, False],
        [ True,  True,  True],
        [ True,  True,  True]],
  mask=False,
  fill_value=True)
>>> ma.nonzero(a > 3)
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

条件数组的 `nonzero` 方法也可以被调用。

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