numpy 常见函数

np.nonzero(a)

返回一个元组tuple，包含a中所有不为零元素的索引；

• tuple中每个元素为一个array对象，索引值数组的每一个array均是从一个维度上来描述其索引值。
• 比如，如果a是一个三维数组，则索引值数组有三个array，第一个array从第一维度来描述索引值；第二个array从第二维度来描述索引值，第三个array从第三个维度描述索引值； (array([0, 0, 1, 1, 2]), array([0, 1, 0, 1, 1]), array([1, 0, 1, 0, 0]))

例子：

# 一维数组a
a =  np.array([0,2,3])
c = np.nonzero(a)
print(np.array(c).ndim) # 2
print(np.array(c)) # [[1 2]]
print(c) # (array([1, 2]),)


# 二维数组a
x = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]])
'''
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])


# 对于三维数组
a = np.array([[[0,1],[1,0]],[[0,1],[1,0]],[[0,0],[1,0]]])
b = np.nonzero(a)

print(b)
print(np.array(b))
np.transpose(np.nonzero(a))

'''
# tuple,每个元素为
(array([0, 0, 1, 1, 2]), 
 array([0, 1, 0, 1, 1]), 
 array([1, 0, 1, 0, 0]))
 
# np.array(b)
	[[0 0 1 1 2]
	 [0 1 0 1 1]
	 [1 0 1 0 0]]
	 
# np.transpose(np.nonzero(a))
array([[0, 0, 1],
       [0, 1, 0],
       [1, 0, 1],
       [1, 1, 0],
       [2, 1, 0]])
'''

np.where() 两种用法

1. np.where(condition, x, y)

满足条件(condition)，输出x，不满足输出y。

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

b = np.where(a>6,1,-1)

'''
array([[-1, -1, -1, -1, -1],
       [-1,  1,  1,  1,  1]])
'''

2. np.where(condition)

只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。

这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

np.where(a>10) == np.nonzero(a>10)

np.maximum(X,Y,out)

1. np.max(a, axis=None, out=None, keepdims=False)

求序列的最值, 最少接受一个参数

np.max([-2, -1, 0, 1, 2]). --> 2

2. np.maximum(X, Y, out=None)

X和Y逐位进行比较,选择最大值.最少接受两个参数

np.maximum([-3, -2, 0, 1, 2], 0) --> [0,0,0,1,2]