np.nonzero(a)
返回数组a中非零元素的索引值数组。
(1)只有a中非零元素才会有索引值,那些零值元素没有索引值;
(2)返回的索引值数组是一个2维tuple数组,该tuple数组中包含一维的array数组。 其中,一维array向量的个数与a的维数是一致的;
(3)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是一个二维数组,则索引值数组有两个array,第一个array从行维度来描述索引值;第二个array从列维度来描述索引值。
(4) 该np.transpose(np.nonzero(x))函数能够描述出每一个非零元素在不同维度的索引值;
(5)通过a[nonzero(a)]得到所有a中的非零值;
# -*- coding: utf-8 -*-
import numpy as np
#a是1维数组
a = [0,2,3]
b = np.nonzero(a)
print(np.array(b).ndim)
print(b)
'''
结果:
2
(array([1, 2], dtype=int64),)
说明:索引1和索引2的位置上元素的值非零。
'''
#a是2维数组
a = np.array([[0,0,3],
[0,0,0],
[0,0,9]])
b = np.nonzero(a)
print(np.array(b).ndim)
print(b)
print(np.transpose(np.nonzero(a)))
'''
结果:
2
(array([0, 2], dtype=int64), array([2, 2], dtype=int64))
[[0 2]
[2 2]]
说明:
(1)a中有2个非零元素,因此,索引值tuple中array的长度为2。因为,只有非零元素才有索引值。
(2)索引值数组是2 维的。实际上,无论a的维度是多少,索引值数组一定是2维的tuple,
但是tuple中的一维array个数和a的维数一致。
(3)第1个array([0, 2])是从row值上对3和9进行的描述。第2个array([2, 2])是从col值上对3和9的描述。
这样,从行和列上两个维度上各用一个数组来描述非零索引值。
(4)通过调用np.transpose()函数,得出3的索引值是[0 2],即第0行,第2列。
'''
#a是3维数组
a = np.array([[[0,1],
[1,0]],
[[0,1],
[1,0]],
[[0,0],
[1,0]]])
b = np.nonzero(a)
print(np.array(b).ndim)
print(b)
'''
结果:
2
(array([0, 0, 1, 1, 2], dtype=int64), array([0, 1, 0, 1, 1], dtype=int64), array([1, 0, 1, 0, 0], dtype=int64))
说明:由于a是3维数组,因此,索引值数组有3个一维数组。
请将a想像为数量为3的一组小图片,每张图片的大小为2*2,下文中以num * row * col来分别表示其维度。
b包含3个长度为5的array,这意味着a有3维,且a共有5个非0值。
b中:
第1个向量是[0, 0, 1, 1, 2],这实际是a在num维度上描述的非零值。第0张图上有2个非零值,第1张图上有2个非零值,第2张图上有1个非零值。因此在num维度上的非零值数组为[0, 0, 1, 1, 2]。
第2个向量是[0, 1, 0, 1, 1],这实际是a在row维度上描述的非零值。由于row上的值只有0和1(只2行),所以只由0和1组成。
'''
————————————————
原文链接:https://blog.csdn.net/u013698770/article/details/54632047/