Numpy：沿任意维度查找非零值

Question

似乎我无法在 Numpy 中解决这个问题：我有一个矩阵，具有任意数量的维度，以任意方式排序。在这个矩阵里面，总有一个维度是我感兴趣的（就像我说的，这个维度的位置并不总是一样的）。现在，我想沿着这个维度找到第一个非零值。事实上，我需要该值的索引来对值本身执行一些操作。 一个例子：如果我的矩阵 a 是 n x m x p 并且我感兴趣的维度是数字 1，我会这样做：

for ii in xrange(a.shape[0]):
   for kk in xrange(a.shape[2]):
      myview = np.squeeze(a[ii, :, kk])
      firsti = np.nonzero(myview)[0][0]
      myview[firsti] = dostuff

除了性能方面的考虑之外，我真的不知道如何在具有不同维度的情况下做到这一点，并且我对任意位置感兴趣的维度。

Answer 1

您可以滥用np.argmax 来达到您的目的。在这里，您可以指定您感兴趣的axis，其中0 沿列，1 沿行，依此类推。您只需要一个包含所有非零元素的相同值的数组。你可以通过a != 0 来实现，因为这将包含所有零元素的False（意思是0）和所有非零元素的True（意思是1）。现在np.argmax(a != 0, axis=1) 将为您提供沿1 轴的第一个非零元素。

例如：

import numpy as np

a = np.array([[0, 1, 4],[1, 0, 2],[0, 0, 1]])
# a = [[0, 1, 4],
#      [1, 0, 2],
#      [0, 0, 1]]

print(np.argmax(a!=0, axis=0))
# >>> array([1, 0, 0]) -> along columns

print(np.argmax(a!=0, axis=1))
# >>> array([1, 0, 2]) -> along rows

这也适用于更高的维度，但输出的指导性较差，很难想象。