numpy отримати індекс, де значення істинне

>>> ex=np.arange(30)
>>> e=np.reshape(ex,[3,10])
>>> e
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])
>>> e>15
array([[False, False, False, False, False, False, False, False, False,
        False],
       [False, False, False, False, False, False,  True,  True,  True,
         True],
       [ True,  True,  True,  True,  True,  True,  True,  True,  True,
         True]], dtype=bool)

Мені потрібно знайти рядки, які мають істину, або рядки e, значення яких більше 15. Я міг би робити ітерацію, використовуючи цикл for, однак, я хотів би знати, чи є спосіб, який Numpy може зробити це більш ефективно?

Щоб отримати номери рядків, де принаймні один елемент перевищує 15:

>>> np.where(np.any(e>15, axis=1))
(array([1, 2], dtype=int64),)

Ви можете використовувати ненульову функцію. він повертає ненульові індекси даного вводу.

Легкий шлях

>>> (e > 15).nonzero()

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

щоб побачити індекси більш чистими, використовуйте transposeметод:

>>> numpy.transpose((e>15).nonzero())

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

Непоганий спосіб

>>> numpy.nonzero(e > 15)

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

чи чистим способом:

>>> numpy.transpose(numpy.nonzero(e > 15))

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

Простий і чистий спосіб: використовувати np.argwhereдля групування індексів за елементами, а не за розмірами, як у np.nonzero(a)(тобто np.argwhereповертає рядок для кожного ненульового елемента).

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.argwhere(a>4)
array([[5],
       [6],
       [7],
       [8],
       [9]])

np.argwhere(a)це те саме, що np.transpose(np.nonzero(a)).

Примітка: Ви не можете використовувати, a(np.argwhere(a>4))щоб отримати відповідні значення в a. Рекомендований спосіб полягає у використанні a[(a>4).astype(bool)]або a[(a>4) != 0]замість того , a[np.nonzero(a>4)]як вони обробляють 0-d масиви правильно. Детальніше див. У документації . Як можна бачити в наступному прикладі, a[(a>4).astype(bool)]і a[(a>4) != 0]може бути спрощена a[a>4].

Інший приклад:

>>> a = np.array([5,-15,-8,-5,10])
>>> a
array([  5, -15,  -8,  -5,  10])
>>> a > 4
array([ True, False, False, False,  True])
>>> a[a > 4]
array([ 5, 10])
>>> a = np.add.outer(a,a)
>>> a
array([[ 10, -10,  -3,   0,  15],
       [-10, -30, -23, -20,  -5],
       [ -3, -23, -16, -13,   2],
       [  0, -20, -13, -10,   5],
       [ 15,  -5,   2,   5,  20]])
>>> a = np.argwhere(a>4)
>>> a
array([[0, 0],
       [0, 4],
       [3, 4],
       [4, 0],
       [4, 3],
       [4, 4]])
>>> [print(i,j) for i,j in a]
0 0
0 4
3 4
4 0
4 3
4 4