numpy.nonzero

numpy.nonzero(a)

返回非零元素的索引.

返回一个数组的元组, a 的每个维度一个数组,其中包含该维度中非零元素的索引. a 中的值始终以行优先的 C 风格顺序进行测试和返回.

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.

备注

当在零维数组或标量上调用时, nonzero(a) 被视为 nonzero(atleast_1d(a)) .

自 1.17.0 版本弃用: 如果此行为是故意的,请显式使用 atleast_1d .

参数:

aarray_like

输入数组.

返回:

tuple_of_arrays元组

非零元素的索引.

参见

flatnonzero

返回输入数组的扁平版本中非零的索引.

ndarray.nonzero

等效的ndarray方法.

count_nonzero

计算输入数组中非零元素的数量.

注释

虽然可以使用 a[nonzero(a)] 获得非零值,但建议改用 x[x.astype(bool)] 或 x[x != 0] ,这样可以正确处理 0 维数组.

示例

Try it in your browser!

>>> 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条件为 True 的数组的索引.给定一个数组 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 中条件为真的索引.

>>> 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 等效于直接使用掩码:

>>> 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]))

Go BackOpen In Tab