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)]
或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]))