Numpy получить индекс, где значение истинно

>>> ex=np.arange(30)
>>> e=np.reshape(ex,[3,10])
>>> e
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])
>>> e>15
array([[False, False, False, False, False, False, False, False, False,
        False],
       [False, False, False, False, False, False,  True,  True,  True,
         True],
       [ True,  True,  True,  True,  True,  True,  True,  True,  True,
         True]], dtype=bool)

Мне нужно найти строки, которые имеют true или строки в e, значение которых больше 15. Я мог бы выполнять итерацию с использованием цикла for, однако мне хотелось бы знать, есть ли способ numpy сделать это больше эффективно?

Ответ 1

Чтобы получить номера строк, где хотя бы один элемент больше 15:

>>> np.where(np.any(e>15, axis=1))
(array([1, 2], dtype=int64),)

Ответ 2

Вы можете использовать функцию nonzero. он возвращает ненулевые индексы заданного ввода.

Простой способ

>>> (e > 15).nonzero()

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

чтобы увидеть индексы более чистыми, используйте метод transpose:

>>> numpy.transpose((e>15).nonzero())

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

Неплохой путь

>>> numpy.nonzero(e > 15)

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

или чистый способ:

>>> numpy.transpose(numpy.nonzero(e > 15))

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

Ответ 3

Простой и понятный способ: использовать np.argwhere для группировки индексов по элементам, а не по размеру, как в np.nonzero(a) (т.е. np.argwhere возвращает строку для каждого ненулевого элемента).

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.argwhere(a>4)
array([[5],
       [6],
       [7],
       [8],
       [9]])

np.argwhere(a) совпадает с np.transpose(np.nonzero(a)).

Примечание: Вы не можете использовать a(np.argwhere(a>4)), чтобы получить соответствующие значения в a. Рекомендуемый способ - использовать a[(a>4).astype(bool)] или a[(a>4) != 0], а не a[np.nonzero(a>4)], поскольку они правильно обрабатывают 0-й массив. Смотрите документацию для более подробной информации. Как видно из следующего примера, a[(a>4).astype(bool)] и a[(a>4) != 0] можно упростить до a[a>4].

Другой пример:

>>> a = np.array([5,-15,-8,-5,10])
>>> a
array([  5, -15,  -8,  -5,  10])
>>> a > 4
array([ True, False, False, False,  True])
>>> a[a > 4]
array([ 5, 10])
>>> a = np.add.outer(a,a)
>>> a
array([[ 10, -10,  -3,   0,  15],
       [-10, -30, -23, -20,  -5],
       [ -3, -23, -16, -13,   2],
       [  0, -20, -13, -10,   5],
       [ 15,  -5,   2,   5,  20]])
>>> a = np.argwhere(a>4)
>>> a
array([[0, 0],
       [0, 4],
       [3, 4],
       [4, 0],
       [4, 3],
       [4, 4]])
>>> [print(i,j) for i,j in a]
0 0
0 4
3 4
4 0
4 3
4 4