NumPy是Python中一个强大的科学计算库，提供了高性能的多维数组和矩阵计算功能。在数据分析和处理中，经常需要对数组中的非零元素进行寻找和相关的计算操作。本文将讨论使用NumPy库中的函数来找到数组中的非零元素位置。
一、NumPy库中寻找非零元素位置函数
NumPy提供了三个函数来寻找非零元素的位置：
numpy.nonzero(a)
numpy.where(condition, [x, y])
numpy.argwhere(a)
这些函数分别返回一个包含非零元素位置的元组。下面将详细介绍每个函数的用途和示例。
二、numpy.nonzero(a)
numpy.nonzero(a)函数返回一个数组a中非零元素的索引。返回的结果是一个长度为a.ndim的元组，其中每个元素是一个数组，对应于一个维度。因此，返回的结果可以直接用于构建一个索引元组。
以下是使用numpy.nonzero(a)函数查找一维和二维数组中非零元素位置的示例：
import numpy as np
# 一维数组示例
a = np.array([1,0,2,0,3])
print(np.nonzero(a))
# 二维数组示例
b = np.array([[0, 1, 0], [1, 0, 1], [1, 1, 0]])
print(np.nonzero(b))
运行结果如下：
(array([0, 2, 4], dtype=int64),)
(array([0, 1, 1, 2, 2], dtype=int64), array([1, 0, 2, 0, 1], dtype=int64))
解释一下以上代码中的numpy.nonzero()函数返回的结果。
对于一维数组[1,0,2,0,3]，numpy.nonzero()函数返回的是(array([0, 2, 4], dtype=int64),)。这表示数组a的0、2、4位置上分别有非零元素。
对于二维数组[[0, 1, 0], [1, 0, 1], [1, 1, 0]]，numpy.nonzero()函数返回的是(array([0, 1, 1, 2, 2], dtype=int64), array([1, 0, 2, 0, 1], dtype=int64))。这表示数组b的(0,1)、(1,0)、(1,2)、(2,0)、(2,1)这5个位置上分别有非零元素。
三、numpy.where(condition, [x, y])
numpy.where(condition, [x, y])函数返回满足指定条件的输入数组元素的索引。此函数相当于if-else语句的向量化版本。如果只有满足条件的元素的索引需要被提取，那么使用此函数将更加高效。
以下是使用numpy.where(condition, [x, y])函数查找一维和二维数组中非零元素位置的示例：
import numpy as np
# 一维数组示例
a = np.array([1,0,2,0,3])
print(np.where(a!=0)[0])
# 二维数组示例
b = np.array([[0, 1, 0], [1, 0, 1], [1, 1, 0]])
print(np.where(b!=0))
运行结果如下：
[0 2 4]
(array([0, 1, 1, 2, 2], dtype=int64), array([1, 0, 2, 0, 1], dtype=int64))
解释一下以上代码中numpy.where(condition, [x, y])函数返回的结果。
对于一维数组[1,0,2,0,3]，np.where(a!=0)[0]将返回0, 2, 4的列表，这些是非零元素的索引。
对于二维数组[[0, 1, 0], [1, 0, 1], [1, 1, 0]]，np.where(b!=0)返回的是两个长度相等的数组，第一个数组是非零元素所在的行，第二个数组是非零元素所在的列。
四、numpy.argwhere(a)
numpy.argwhere(a)函数返回一个数组中非零元素的坐标，即各维度上非零元素的索引列表。此函数等价于调用np.transpose(np.nonzero(a))，当然还有其他方式可以实现相同的功能。
以下是使用numpy.argwhere(a)函数查找一维和二维数组中非零元素位置的示例：
import numpy as np
# 一维数组示例
a = np.array([1,0,2,0,3])
print(np.argwhere(a))
# 二维数组示例
b = np.array([[0, 1, 0], [1, 0, 1], [1, 1, 0]])
print(np.argwhere(b))
运行结果如下：
[[0]
[2]
[4]]
[[0 1]
[1 0]
[1 2]
[2 0]
[2 1]]
解释一下以上代码中numpy.argwhere(a)函数返回的结果。
对于一维数组[1,0,2,0,3]，numpy.argwhere(a)返回的结果是一个列表，它展示了在a中非零元素所在的位置。
对于二维数组[[0, 1, 0], [1, 0, 1], [1, 1, 0]]，numpy.argwhere(b)返回的结果是一个包含数组的列表，每个数组中有两个元素，它们对应于二维矩阵b中非零元素的行和列。
五、总结
各种不同的情况和数据类型下，寻找非零元素位置的函数有所不同，你需要比较它们的优缺点来决定使用哪个函数。尽管有多种函数可以选择，但在应用中使用适当的函数可以使代码更加清晰和高效。
希望通过本文的讲解，你对如何快速寻找NumPy数组中的非零元素位置有了更加深刻的了解。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/158394.html
微信扫一扫 
支付宝扫一扫 