仅在 numpy 数组的 1 列中计算非零答案

【问题标题】：Counting non zeros in only 1 column of a numpy array仅在 numpy 数组的 1 列中计算非零
【发布时间】：2013-12-23 18:52:38
【问题描述】：

我有一个如下创建的 Numpy 数组

data=np.zeros(500,dtype='float32, (50000,2)float32')

这个数组填充了我从一些测量中获得的值，并且应该反映在每个时间点（500 个时间点的空间）我们可以获得 50.000 个 x 和 y 坐标。

稍后在我的代码中使用类似bisect 的搜索，我需要知道我最初使用np.count_nonzero(data) 所做的数组中实际上有多少X 坐标（测量点），这产生了以下问题：

这里的非零计数返回 18 个值，然后代码进入类似 bisect 的搜索，使用 data[time][1][0][0] 作为最小 X 坐标和 data[time][1][(np.count_nonzero(data)][0] 作为最大 X 坐标，导致数组停止在 9而不是 10。

我可以使用 while 循环手动计算数组中的非零值（在 X 坐标列中），但这很愚蠢，我假设有一些内置的 numpy 功能。我的问题是我需要什么内置功能或修改我的np.count_nonzero(data)，因为文档没有提供太多这方面的信息（link 到 numpy doc）。

-- 简化问题--

我可以使用 Numpy 功能仅计算单数列的非零值吗？（即在data[time][1][0][0] 和data[time][1][max][0] 之间）

【问题讨论】：

【解决方案1】：

也许更好的方法是使用nonzero 过滤数组并迭代结果：

nonZeroData = data[np.nonzero(data[time][1])]

仅从第二列计算零：

nonZeroYCount = np.count_nonzero(data[time][1][:, 1])

【讨论】：

这不会产生完全相同的问题并跳过所有为 0 的 Y 坐标吗？
不确定我是否理解您的问题。 nonzero 的目的是跳过 0 元素——这不是你想要的吗？如果您的条件更详细，您可以使用where。
我需要保留 X 坐标具有正常值但 Y 坐标为 0 的所有数据点。我使用的方法（我认为这也适用于您建议的方法）然后会跳过空的 Y 坐标，而我需要非零 X 坐标的数量。（所以data[time][1][0:unknown][0]中的那些人）
你答案的第二部分 c(sh) 确实是我正在寻找的东西，我会尝试一下。

【解决方案2】：

如果我理解正确，选择从data[time][1][0][0] 到data[time][1][max][0] 的元素：

data[time][1][:max+1,0]

编辑：

每次都计数非零：

(data["f1"][:,:,0] != 0).sum(1)

【讨论】：

【解决方案3】：

为什么不考虑使用data != 0 来获取bool 矩阵？

你可以使用：

stat = sum(data != 0) 统计非零条目。

我不确定您的 data 数组的形状是什么，但希望您能明白我的意思。 :)

【讨论】：