numpy get index wobei der Wert wahr ist

76
>>> 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)

Ich muss die Zeilen mit true oder Zeilen emit einem Wert von mehr als 15 finden. Ich könnte mit einer for-Schleife iterieren. Ich möchte jedoch wissen, ob es eine Möglichkeit gibt, wie numpy dies effizienter ausführen kann.

Veränderung
quelle

Antworten:

80

So erhalten Sie die Zeilennummern, bei denen mindestens ein Element größer als 15 ist:

>>> np.where(np.any(e>15, axis=1))
(array([1, 2], dtype=int64),)
Jaime
quelle
37

Sie können die Funktion ungleich Null verwenden. Es gibt die Nicht-Null-Indizes der angegebenen Eingabe zurück.

Einfacher Weg

>>> (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]))

Verwenden Sie die folgende transposeMethode , um die Indizes sauberer zu sehen :

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

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

Kein schlechter Weg

>>> 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]))

oder der saubere Weg:

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

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...
Hadi
quelle
4
np.nonzero()ist das, was np.where()verwendet unter der Haube .
Ostrokach
1
np.transpose(np.where(board==0))hat bei mir funktioniert
Julian
18

Eine einfache und übersichtliche Methode: Verwenden Sie np.argwherediese Option, um die Indizes nach Elementen und nicht nach Dimensionen wie in zu gruppieren np.nonzero(a)(dh, Sie geben np.argwherefür jedes Element ungleich Null eine Zeile zurück).

>>> 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)ist das gleiche wie np.transpose(np.nonzero(a)).

Hinweis: Sie können nicht verwenden a(np.argwhere(a>4)), um die entsprechenden Werte in zu erhalten a. Die empfohlene Methode besteht darin, 0-d-Arrays korrekt zu verwenden a[(a>4).astype(bool)]oder a[(a>4) != 0]nicht a[np.nonzero(a>4)]. Weitere Informationen finden Sie in der Dokumentation . Wie im folgenden Beispiel zu sehen ist a[(a>4).astype(bool)]und a[(a>4) != 0]vereinfacht werden kann a[a>4].

Ein anderes Beispiel:

>>> 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
Opt
quelle
2
Dies ist eine schöne vollständige Antwort.
StephenBoesch