np.nonzero()函数的解析

我不是女神ヾ 2023-10-04 14:28 45阅读 0赞

**np.nonzero函数是numpy中用于得到数组array中非零元素的位置（数组索引）的函数。**

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

>>> a=[[1,2],[0,3]]
    >>> a=np.array(a)
    >>> a[np.nonzero(a)]
    array([1, 2, 3])

#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。
    print(a)
    [[[0 1]
      [1 0]]
    
     [[0 1]
      [1 0]]
    
     [[0 0]
      [1 0]]]
      a的数组结构如上所示，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。
      先说b中的第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]。
      b中的第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。
      b中的第3个向量，聪明的读者可能已经明白，不再赘述。

**注：数组索引值从0开始。**