Respostas:
numpy.where () é o meu favorito.
>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.where(x == 0)[0]
array([1, 3, 5])
np.zeros((3,))
para criar um vetor de três longos, por exemplo. Eu suspeito que isso seja para facilitar a análise dos parâmetros. Caso contrário, algo como np.zeros(3,0,dtype='int16')
versus np.zeros(3,3,3,dtype='int16')
seria irritante de implementar.
where
retorna uma tupla de ndarray
s, cada um deles correspondendo a uma dimensão da entrada. neste caso, a entrada é uma matriz, portanto a saída é a 1-tuple
. Se x era uma matriz, seria um 2-tuple
, e assim por diante
numpy.where
recomenda especificamente o uso numpy.nonzero
direto em vez de chamar where
com apenas um argumento.
Tem np.argwhere
,
import numpy as np
arr = np.array([[1,2,3], [0, 1, 0], [7, 0, 2]])
np.argwhere(arr == 0)
que retorna todos os índices encontrados como linhas:
array([[1, 0], # Indices of the first zero
[1, 2], # Indices of the second zero
[2, 1]], # Indices of the third zero
dtype=int64)
Você pode procurar qualquer condição escalar com:
>>> a = np.asarray([0,1,2,3,4])
>>> a == 0 # or whatver
array([ True, False, False, False, False], dtype=bool)
O que retornará a matriz como uma máscara booleana da condição.
a[a==0] = epsilon
Você também pode usá- nonzero()
lo em uma máscara booleana da condição, porque False
também é um tipo de 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])
Está fazendo exatamente o mesmo que mtrw
o jeito que está, mas está mais relacionado à questão;)
nonzero
método para verificar as condições.
Você pode usar numpy.nonzero para encontrar 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]))
Se você estiver trabalhando com uma matriz unidimensional, há um açúcar sintático:
>>> x = numpy.array([1,0,2,0,3,0,4,5,6,7,8])
>>> numpy.flatnonzero(x == 0)
array([1, 3, 5])
numpy.flatnonzero(numpy.logical_or(numpy.logical_or(x==0, x==2), x==7))
Eu faria da seguinte maneira:
>>> 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])
where()
retornar uma tupla?numpy.where(x == 0)[1]
está fora dos limites. qual é a matriz de índice acoplada então?