Numpy nonzero() 函数

Numpy nonzero() 函数用于返回数组中非零元素的索引。它可以用来快速定位非零元素的位置，这在各种操作中非常有用，例如从数组中屏蔽或提取特定元素。该函数适用于任何形状的数组(一维、二维等)。

在 Numpy nonzero() 函数中，结果是一个数组元组，每个元组对应输入数组 a 的每个维度，包含该维度上非零元素的索引。索引按行优先(C 风格)顺序返回，确保元组中的第一个数组代表行索引，第二个数组代表列索引，对于高维数组，依此类推。

语法

以下是 Numpy nonzero() 函数的语法 -

numpy.nonzero(a)

参数

以下是 Numpy nonzero() 函数的参数 -

• a:输入数组。它可以是任意形状，包含零元素和非零元素。

返回类型

此函数返回输入数组中非零元素的索引。

示例

以下是使用 Numpy nonzero() 函数查找数组中非零元素索引的基本示例 -

import numpy as np
my_array = np.array([3, 0, 0, 5, 6, 0])
nonzero_indices = np.nonzero(my_array)
print("原始数组:", my_array)
print("非零元素的索引:", nonzero_indices)

输出

以下是上述代码的输出 -

原始数组:[3 0 0 5 6 0]
非零元素的索引:(array([0, 3, 4]),)

示例:二维数组中的非零索引

numpy.nonzero() 函数也适用于多维数组。它返回一个数组元组，其中包含每个维度上非零元素的索引。

在下面的示例中，我们查找形状为 (3,3) 的二维数组中的非零索引，并使用 numpy.nonzero() 返回非零元素的索引 -

import numpy as np
my_array = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]])
nonzero_indices = np.nonzero(my_array)
print("原始数组:
", my_array)
print("非零元素的索引:", nonzero_indices)

输出

以下是上述代码的输出 -

原始数组:
[[3 0 0]
[0 4 0]
[5 6 0]]
非零元素的索引: (array([0, 1, 2, 2]), array([0, 1, 0, 1]))

示例:从布尔数组中查找索引

这里，我们使用了 Numpy 的 nonzero() 函数来查找二维数组中大于 3 的元素的索引。条件 a > 3 创建一个布尔数组，nonzero() 返回条件为 True 的索引 -

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
Boolean_Array = a > 3
print("布尔数组:
", Boolean_Array)
result = np.nonzero(Boolean_Array)
print("大于 3 的元素的索引:
", result)

输出

以下是上述代码的输出 -

布尔数组:
[[False False False]
[ True True True]
[ True True True]]
大于 3 的元素的索引:
 (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

numpy_array_manipulation.html