numpy.nonzero#

numpy.nonzero(a)[source]#

返回非零元素的索引。

返回一个数组元组,每个数组对应 a 的一个维度,包含该维度中非零元素的索引。 a 中的值始终按行优先顺序(C 样式)进行测试和返回。

要按元素而不是按维度对索引进行分组,请使用 argwhere,它为每个非零元素返回一行。

注意

当对零维数组或标量调用时,nonzero(a) 被视为 nonzero(atleast_1d(a))

从版本 1.17.0 开始弃用: 如果这种行为是故意的,请显式使用 atleast_1d

参数:
a类数组

输入数组。

返回值:
数组元组元组

非零元素的索引。

另请参阅

flatnonzero

返回输入数组扁平化版本中非零元素的索引。

ndarray.nonzero

等效的 ndarray 方法。

count_nonzero

计算输入数组中非零元素的数量。

注意

虽然可以使用 a[nonzero(a)] 获取非零值,但建议使用 x[x.astype(bool)]x[x != 0],它们会正确处理 0 维数组。

示例

>>> import numpy as np
>>> x = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]])
>>> x
array([[3, 0, 0],
       [0, 4, 0],
       [5, 6, 0]])
>>> np.nonzero(x)
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))
>>> x[np.nonzero(x)]
array([3, 4, 5, 6])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1]])

nonzero 的一个常见用途是查找数组中条件为真的元素的索引。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 np.nonzero(a > 3) 会产生 a 中满足条件的元素的索引。

>>> a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> a > 3
array([[False, False, False],
       [ True,  True,  True],
       [ True,  True,  True]])
>>> np.nonzero(a > 3)
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

使用此结果索引 a 等同于直接使用掩码

>>> a[np.nonzero(a > 3)]
array([4, 5, 6, 7, 8, 9])
>>> a[a > 3]  # prefer this spelling
array([4, 5, 6, 7, 8, 9])

nonzero 也可以作为数组的方法调用。

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