Znajdź indeksy elementów równe zero w tablicy NumPy

144

NumPy ma wydajną funkcję / metodę nonzero()identyfikacji indeksów niezerowych elementów w ndarrayobiekcie. Jaki jest najbardziej efektywny sposób uzyskania indeksów elementów, które mają wartość zero?

python numpy

— gotgenes
źródło

226

numpy.where () jest moim ulubionym.

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.where(x == 0)[0]
array([1, 3, 5])

— mtrw
źródło

16

Próbuję zapamiętać Pythona. Dlaczego where()zwraca krotkę? numpy.where(x == 0)[1]jest poza granicami. jaka jest wtedy tablica indeksów?

— Zhubarb

@Zhubarb - większość zastosowań indeces to krotki - na przykład np.zeros((3,))do tworzenia wektorów o długości 3. Podejrzewam, że ma to na celu ułatwienie analizowania parametrów. W przeciwnym razie implementacja czegoś takiego jak np.zeros(3,0,dtype='int16')versus np.zeros(3,3,3,dtype='int16')byłaby denerwująca.

— mtrw

5

Nie. wherezwraca krotkę ndarrays, z których każda odpowiada wymiarowi danych wejściowych. w tym przypadku wejście jest tablicą, więc wyjście to 1-tuple. Gdyby x było matrycą, byłoby to 2-tuplei tak dalej

— Ciprian Tomoiagă

1

Od numpy 1.16, dokumentacjanumpy.where specjalnie zaleca używanie numpy.nonzerobezpośrednio zamiast wywoływania wheretylko z jednym argumentem.

— jirassimok

@jirassimok, jak używasz wartości niezerowej, aby znaleźć zera zgodnie z pytaniem?

— mLstudent33

28

Jest np.argwhere,

import numpy as np
arr = np.array([[1,2,3], [0, 1, 0], [7, 0, 2]])
np.argwhere(arr == 0)

która zwraca wszystkie znalezione indeksy jako wiersze:

array([[1, 0],    # Indices of the first zero
       [1, 2],    # Indices of the second zero
       [2, 1]],   # Indices of the third zero
      dtype=int64)

— MSeifert
źródło

23

Możesz szukać dowolnego warunku skalarnego za pomocą:

>>> a = np.asarray([0,1,2,3,4])
>>> a == 0 # or whatver
array([ True, False, False, False, False], dtype=bool)

Co zwróci tablicę jako maskę logiczną warunku.

— nate c
źródło

1

Możesz użyć tego, aby uzyskać dostęp do elementów zerowych:a[a==0] = epsilon

— Quant Metropolis

17

Możesz również użyć nonzero()go na masce logicznej warunku, ponieważ Falsejest to również rodzaj zera.

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])

>>> x==0
array([False, True, False, True, False, True, False, False, False, False, False], dtype=bool)

>>> numpy.nonzero(x==0)[0]
array([1, 3, 5])

Działa dokładnie tak samo, jak mtrwsposób, ale jest bardziej związany z pytaniem;)

— Dusch
źródło

Powinna to być akceptowana odpowiedź, ponieważ jest to zalecane użycie nonzerometody do sprawdzenia warunków.

— sophros

5

Możesz użyć numpy.nonzero, aby znaleźć zero.

>>> import numpy as np
>>> x = np.array([1,0,2,0,3,0,0,4,0,5,0,6]).reshape(4, 3)
>>> np.nonzero(x==0)  # this is what you want
(array([0, 1, 1, 2, 2, 3]), array([1, 0, 2, 0, 2, 1]))
>>> np.nonzero(x)
(array([0, 0, 1, 2, 3, 3]), array([0, 2, 1, 1, 0, 2]))

— chmnsk
źródło

4

Jeśli pracujesz z tablicą jednowymiarową, istnieje cukier składniowy:

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.flatnonzero(x == 0)
array([1, 3, 5])

— dvdvck
źródło

Działa to dobrze, o ile mam tylko jeden warunek. A jeśli chcę wyszukać „x == numpy.array (0,2,7)”? Wynik powinien być tablicą ([1,2,3,5,9]). Ale jak mogę to uzyskać?

— MoTSCHIGGE

Możesz to zrobić za pomocą:numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))

— Dusch

1

import numpy as np

x = np.array([1,0,2,3,6])
non_zero_arr = np.extract(x>0,x)

min_index = np.amin(non_zero_arr)
min_value = np.argmin(non_zero_arr)

— sramij
źródło

1

Zrobiłbym to w następujący sposób:

>>> x = np.array([[1,0,0], [0,2,0], [1,1,0]])
>>> x
array([[1, 0, 0],
       [0, 2, 0],
       [1, 1, 0]])
>>> np.nonzero(x)
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))

# if you want it in coordinates
>>> x[np.nonzero(x)]
array([1, 2, 1, 1])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1])

— Jeril
źródło