Python中Numpy.nonzero()函数

Numpy.nonzero()返回的是数组中，非零元素的位置。如果是二维数组就是描述非零元素在几行几列，三维数组则是描述非零元素在第几组中的第几行第几列。

举例如下：

二维数组:

a = np.array([[1, 0, 3], [0, 2, 0], [0, 0, 9]])
b = np.nonzero(a)
print(b)
结果为：(array([0, 0, 1, 2], dtype=int64), array([0, 2, 1, 2], dtype=int64))

第一个array描述行，第二个array描述列，我们把结果转变下以便理解：

array[0, 0, 1, 2]

array[0, 2, 1, 2]

我们看到第一个非零元素1，在0行0列，对应为加粗数字：

array[0, 0, 1, 2]

array[0, 2, 1, 2]

第二个非零元是3，在0行2列，对应：

array[0, 0, 1, 2]

array[0, 2, 1, 2]

第三个非零元素是2，在1行1列，对应：

array[0, 0, 1, 2]

array[0, 2, 1, 2]

第四个非零元素是9，在2行2列，对应：

array[0, 0, 1, 2]

array[0, 2, 1, 2]

再举一个三维数组的列子：

a = np.array([[[0,1],[2,0]],[[0,3],[4,0]],[[0,0],[5,0]]])
b = np.nonzero(a)
print(b)
结果为：(array([0, 0, 1, 1, 2], dtype=int64), array([0, 1, 0, 1, 1], dtype=int64), array([1, 0, 1, 0, 0], dtype=int64))

同样变形下：

array[0, 0, 1, 1, 2]     描述在第几组

array[0, 1, 0, 1, 1]     描述行

array[1, 0, 1, 0, 0]     描述列

第一个非零元是1，在0组0行1列，对应

array[0, 0, 1, 1, 2]     

array[0, 1, 0, 1, 1]     

array[1, 0, 1, 0, 0] 

第二个非零元是2，在0组1行0列，对应

array[0, 0, 1, 1, 2]     

array[0, 1, 0, 1, 1]     

array[1, 0, 1, 0, 0] 

第三个非零元是3，在1组0行1列，对应

array[0, 0, 1, 1, 2]     

array[0, 1, 0, 1, 1]     

array[1, 0, 1, 0, 0] 

第四个非零元是4，在1组1行0列，对应

array[0, 0, 1, 1, 2]     

array[0, 1, 0, 1, 1]     

array[1, 0, 1, 0, 0] 

第五个非零元素是5，在2组1行0列，对应

array[0, 0, 1, 1, 2]     

array[0, 1, 0, 1, 1]     

array[1, 0, 1, 0, 0] 

更高维数计算类似，读者可以自己推导
————————————————
版权声明：本文为CSDN博主「lyn5284767」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/lyn5284767/article/details/81164705