当前位置:首页 » 数据分析 » 正文

如何获取numpy的第一个非0元素索引

510 次  2021-07-20  分类 : 数据分析

我就废话不多说了,

大家还是直接看代码吧~

```python import numpy as np arr=np.array([0,0,2,3,0,4]) print((arr!=0).argmax(axis=0)) #2 ```

补充:python获取二维矩阵的每一行的第一个非零元素

直接上代码~

```python """ 核心函数: array_1D!=0 :返回一个True/False序列 array.argmax(axis=0):返回沿axis轴的最大元素的索引,当存在多个相等的最大值时,返回第一个最大值的索引 """ import numpy as np array_1D = np.array([0,1,0,-1,0]) array_2D = np.array( [[0, 1, 0, -1, 0], [0, 0, -1, 0, 1], [0, 1, -1, 0, 1], [4, 0, -1, 0, 1], [7, 16, -1, 0, 1]]) def get_first_non_zero_1D(array_1D): first_non_zero = array_1D[(array_1D!=0).argmax(axis=0)] return first_non_zero """ 备注:以下三个函数完全等价,个人比较喜欢最后一个 get_first_non_zeros_2D_2,因为看着比较舒服,也可以方便地扩展到更多维度。 """ def get_first_non_zeros_2D(array_2D): first_non_zeros = np.array([get_first_non_zero_1D(array_2D[i]) for i in range(array_2D.shape[0])]) return first_non_zeros def get_first_non_zeros_2D_1(array_2D): first_non_zeros = [] for i in range(array_2D.shape[0]): arr = array_2D[i,:] first_non_zero = arr[(arr!=0).argmax(axis=0)] first_non_zeros.append(first_non_zero) return np.array(first_non_zeros) def get_first_non_zeros_2D_2(array_2D): none_zero_index = (array_2D!=0).argmax(axis=1) # first_non_zeros = np.array([array_2D[i,none_zero_index[i]] for i in range(array_2D.shape[0])]) first_non_zeros = array_2D[range(array_2D.shape[0]),none_zero_index] return first_non_zeros b = get_first_non_zeros_2D(array_2D) c = get_first_non_zeros_2D_1(array_2D) d = get_first_non_zeros_2D_2(array_2D) print(b) print(c) print(d) """ 打印结果: [ 1 -1 1 4 7] [ 1 -1 1 4 7] [ 1 -1 1 4 7] """ ```

补充:[Python] np.nonzero(ndarray) 返回数组中不为0的元素的索引

语法:

函数返回值为tuple元组类型,tuple内的元素数目与ndarray维度相同。

```python np.nonzero(ndarray) ```

先强调一点,数组的索引是从0开始。

示例:

```python # 1维数组 a = [0,2,3] b = np.nonzero(a) print(b) # (array([1, 2], dtype=int64),) # 说明:索引1和索引2的位置上元素的值非零。 # 2维数组 a = np.array([[0,0,3],[0,0,0],[0,0,9]]) b = np.nonzero(a) print(b) # (array([0, 2], dtype=int64), array([2, 2], dtype=int64)) # 说明: # tuple的每一个元素,从一个维度来确定非零元素的位置。所以对于二维数组,tuple就有两个元素。 # tuple的元素的内容是该维度不为0的元素的位置,排列顺序是数组遍历的顺序。 # 比如确定第一个非零元素的位置:先找tuple内的第一个元素 array([0, 2], dtype=int64)的第一个元素,为0,说明第一个非零元素在第一行; # 之后tuple内的第二个元素 array([2, 2], dtype=int64)的第一个元素,为2,说明第一个非零元素在第三列。 # 3维数组 a = np.array([[[0,1],[1,0]],[[0,1],[1,0]],[[0,0],[1,0]]]) print(a) # [[[0 1] # [1 0]] # # [[0 1] # [1 0]] # # [[0 0] # [1 0]]] b = np.nonzero(a) print(b) # (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,分别代表层、行、列。 # 查找原理和二维数组一致,不再赘述。 ```

以上为个人经验,希望能给大家一个参考,也希望大家多多支持python博客。

来源:python博客 欢迎分享!

本文链接:https://www.94e.cn/info/7142

标签:pandas  numpy  

<< 上一篇 下一篇 >>

  Powered By python教程网   鲁ICP备18013710号
python博客 - 小白学python最友好的网站!

扫一扫,关注微信公众号 扫一扫,关注微信公众号