Trova indici di elementi uguali a zero in un array NumPy

144

NumPy ha la funzione / metodo efficiente nonzero()per identificare gli indici di elementi diversi da zero in un ndarrayoggetto. Qual è il modo più efficace per ottenere gli indici degli elementi che fare avere un valore di zero?

python numpy

— gotgenes
fonte

226

numpy.where () è il mio preferito.

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.where(x == 0)[0]
array([1, 3, 5])

— MTRW
fonte

16

Sto cercando di ricordare Python. Perché where()restituisce una tupla? numpy.where(x == 0)[1]è fuori limite. a che cosa è quindi associato l'array index?

— Zhubarb,

@Zhubarb - La maggior parte degli usi degli indeces sono tuple - np.zeros((3,))per esempio per creare un vettore di 3 lunghezze. Ho il sospetto che questo sia per facilitare l'analisi dei parametri. Altrimenti qualcosa di simile a np.zeros(3,0,dtype='int16')contro np.zeros(3,3,3,dtype='int16')sarebbe noioso da implementare.

— MTRW

5

no. whererestituisce una tupla di ndarrays, ognuna corrispondente a una dimensione dell'input. in questo caso l'input è un array, quindi l'output è a 1-tuple. Se x fosse una matrice, sarebbe un 2-tuplee così via

— Ciprian Tomoiagă,

1

A partire da numpy 1.16, la documentazione pernumpy.where specificamente consiglia di utilizzare numpy.nonzerodirettamente anziché chiamare wherecon un solo argomento.

— jirassimok,

@jirassimok come usi nonzero per trovare zeri mentre la domanda ti pone?

— mLstudent33

28

Non v'è np.argwhere,

import numpy as np
arr = np.array([[1,2,3], [0, 1, 0], [7, 0, 2]])
np.argwhere(arr == 0)

che restituisce tutti gli indici trovati come righe:

array([[1, 0],    # Indices of the first zero
       [1, 2],    # Indices of the second zero
       [2, 1]],   # Indices of the third zero
      dtype=int64)

— MSeifert
fonte

23

Puoi cercare qualsiasi condizione scalare con:

>>> a = np.asarray([0,1,2,3,4])
>>> a == 0 # or whatver
array([ True, False, False, False, False], dtype=bool)

Che restituirà l'array come una maschera booleana della condizione.

— nate c
fonte

1

Puoi usarlo per accedere agli elementi zero:a[a==0] = epsilon

— Quant Metropolis l'

17

Puoi anche usarlo nonzero()usando una maschera booleana della condizione, perché Falseè anche una specie di zero.

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])

>>> x==0
array([False, True, False, True, False, True, False, False, False, False, False], dtype=bool)

>>> numpy.nonzero(x==0)[0]
array([1, 3, 5])

Sta facendo esattamente lo stesso mtrw, ma è più legato alla domanda;)

— Dusch
fonte

Questa dovrebbe essere la risposta accettata poiché si tratta dell'uso consigliato del nonzerometodo per verificare le condizioni.

— sophros,

5

Puoi usare numpy.nonzero per trovare zero.

>>> import numpy as np
>>> x = np.array([1,0,2,0,3,0,0,4,0,5,0,6]).reshape(4, 3)
>>> np.nonzero(x==0)  # this is what you want
(array([0, 1, 1, 2, 2, 3]), array([1, 0, 2, 0, 2, 1]))
>>> np.nonzero(x)
(array([0, 0, 1, 2, 3, 3]), array([0, 2, 1, 1, 0, 2]))

— chmnsk
fonte

4

Se stai lavorando con un array monodimensionale c'è uno zucchero sintattico:

>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.flatnonzero(x == 0)
array([1, 3, 5])

— dvdvck
fonte

Funziona bene finché ho una sola condizione. Cosa succede se desidero cercare "x == numpy.array (0,2,7)"? Il risultato dovrebbe essere array ([1,2,3,5,9]). Ma come posso ottenerlo?

— MoTSCHIGGE,

Puoi farlo con:numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))

— Dusch,

1

import numpy as np

x = np.array([1,0,2,3,6])
non_zero_arr = np.extract(x>0,x)

min_index = np.amin(non_zero_arr)
min_value = np.argmin(non_zero_arr)

— sramij
fonte

1

Lo farei nel modo seguente:

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

# if you want it in coordinates
>>> x[np.nonzero(x)]
array([1, 2, 1, 1])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1])

— Jeril
fonte