再说numpy.nonzero()函数

像nonzero()这种比较常用的函数，在百度一搜就有一大把的解释和使用方法，但是喵哥却被网上丰富的资源搞晕了，后来经过喵哥一步一步的调试，总算看清了nonzero()的真实面目。为了以后可以再来看看，也为后来者不再被网上的解释搞糊涂，喵哥特地在此再说numpy.nonzero()函数。

事情的起始是这样的，喵哥在理解别人写的K-means时，遇到这么一句代码：

ptsInClust = dataSet[np.nonzero(clusterAssment[:,0].A == cent)[0]]

这句代码就用到了nonzero()，但是作者给的注释喵哥实在是看不懂，而且这部分代码似乎还比较重要，所以就得自己去解决。

在网上一搜，得到nonzero(a)的用法：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，该tuple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

总结的前三条把nonzero()的基本用法给说明白了，但是这种的使用方法并不可以完美的解释喵哥遇到的问题。

nonzero(clusterAssment[:,0].A == cent)里面的不是一个数组，而是一个表达式，表达式应该是与真假有关，为了进一步了解nonzero()，使用了help，发现还真有相关的描述：

A common use for ``nonzero`` is to find the indices of an array, where a condition is True.

那么，nonzero(a)的用法总结应该改一下：只有a为真值的元素才会有索引值。其余的说明是OK的。所以，

ptsInClust = dataSet[np.nonzero(clusterAssment[:,0].A == cent)[0]]

要表达的意思是：把clusterAssment[:,0].A中与cent（在代码中表示簇）一样的元素索引提取出来，又有nonzero()返回值是一个tuple，nonzero()[0]表示的是保证表达式为真值的元素位置的行坐标，然后利用这个行坐标提取出dataset对应的元素。

这样的解释也跟K-means的原理相符合：在聚类不满足介质条件时，还得求出每个簇的中心作为新的质心。

例子：

import numpy
#1.nonzero(python的简单序列对象)

a = [1,0,0,5,6,1,0,1]
b = numpy.nonzero(a)
print(b)

'''
输出：(array([0, 3, 4, 5, 7], dtype=int64),)，其实就是一个包含一个array的tuple，如果取
b[0][1]，会得到3.

'''

c = [[1,2,0],[5,0,1]]
d = numpy.nonzero(c)
print(d)
'''
输出：(array([0, 0, 1, 1], dtype=int64), array([0, 1, 0, 2], dtype=int64)),array([0, 0, 1, 1], dtype=int64)表示的是行坐标，array([0, 1, 0, 2], dtype=int64)表示的是列坐标
'''

#2.nonzero(python的表达式)
a = numpy.array([1,0,0,5,6,1,0,1])
b = numpy.nonzero(a > 1)
print(b)
'''
输出：(array([3, 4], dtype=int64),)
'''

c = numpy.array([[1,2,0],[5,0,1]])
d = numpy.nonzero(c == 1)
print(d)
'''
输出：(array([0, 1], dtype=int64), array([0, 2], dtype=int64))
'''