在 NumPy 数组中查找等于零的元素的索引

Posted 2023-02-23

【中文标题】在 NumPy 数组中查找等于零的元素的索引

【英文标题】：Find indices of elements equal to zero in a NumPy array

【发布时间】：2011-06-03 02:00:11

【问题描述】：

NumPy 具有有效的函数/方法nonzero() 来识别ndarray 对象中非零元素的索引。获取 值为 0 的元素的索引的最有效方法是什么？

【参考方案1】：

numpy.where() 是我的最爱。

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

【讨论】：

我正在努力记住 Python。为什么where() 返回一个元组？ numpy.where(x == 0)[1] 越界。那么索引数组与什么耦合呢？

@Zhubarb - 索引的大多数用途是元组 - np.zeros((3,)) 例如制作一个 3 长的向量。我怀疑这是为了使解析参数变得容易。否则像 np.zeros(3,0,dtype='int16') 和 np.zeros(3,3,3,dtype='int16') 这样的东西会很烦人。

没有。 where 返回一个 ndarrays 的元组，每个元组对应于输入的一个维度。在这种情况下，输入是一个数组，所以输出是1-tuple。如果 x 是一个矩阵，它将是一个2-tuple，以此类推

从 numpy 1.16 开始，documentation for numpy.where 特别推荐直接使用numpy.nonzero，而不是只使用一个参数调用where。

@mLstudent33 与使用where 的方式完全相同，如Dusch's answer 所示。根据where's documentation，where(x) 等价于asarray(x).nonzero()。

【参考方案2】：

有np.argwhere，

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

将所有找到的索引作为行返回：

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

【参考方案3】：

您可以搜索任何标量条件：

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

这会将数组作为条件的布尔掩码返回。

【讨论】：

您可以使用它来访问零元素：a[a==0] = epsilon

【参考方案4】：

您也可以在条件的布尔掩码上使用nonzero()，因为False 也是一种零。

>>> 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])

和mtrw的方式完全一样，但是和问题更相关；）

【讨论】：

这应该是公认的答案，因为这是建议使用nonzero 方法来检查条件。

【参考方案5】：

您可以使用 numpy.nonzero 找到零。

>>> 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]))

【参考方案6】：

如果您使用的是一维数组，则存在语法糖：

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

【讨论】：

只要我只有一个条件，它就可以正常工作。如果我想搜索“x == numpy.array(0,2,7)”怎么办？结果应该是数组（[1,2,3,5,9]）。但是我怎样才能得到这个？

你可以这样做：numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))

【参考方案7】：

我会这样做：

>>> 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])

【参考方案8】：

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)

【参考方案9】：

import numpy as np
arr = np.arange(10000)
arr[8000:8900] = 0

%timeit np.where(arr == 0)[0]
%timeit np.argwhere(arr == 0)
%timeit np.nonzero(arr==0)[0]
%timeit np.flatnonzero(arr==0)
%timeit np.amin(np.extract(arr != 0, arr))

23.4 µs ± 1.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
34.5 µs ± 680 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
23.2 µs ± 447 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
27 µs ± 506 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
109 µs ± 669 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)