numpy.ma.MaskedArray.nonzero#

方法

ma.MaskedArray.nonzero()[source]#

返回非零且未掩码的元素的索引。

返回一个数组元组,每个数组对应一个维度,包含该维度中非零元素的索引。可以使用以下方法获取相应的非零值:

a[a.nonzero()]

要按元素而不是按维度对索引进行分组,请改用以下方法:

np.transpose(a.nonzero())

结果始终是一个二维数组,每行对应一个非零元素。

参数:
返回值:
tuple_of_arrays元组

非零元素的索引。

参见

numpy.nonzero

对 ndarray 操作的函数。

flatnonzero

返回输入数组扁平化版本中非零的索引。

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]))

忽略掩码元素。

>>> 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]])

使用 nonzero 的一个常见用法是查找数组中条件为 True 的元素的索引。对于给定数组 a,条件 a > 3 是一个布尔数组,由于 False 被解释为 0,因此 ma.nonzero(a > 3) 将返回 a 中条件为真的元素的索引。

>>> 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]))

也可以调用条件数组的 nonzero 方法。

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