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
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]])
'''
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)
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
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]