numpy get index wobei der Wert wahr ist

>>> 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.

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),)

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]
 ...

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