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:
- 无
- 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]))