numpy数组打印某个值的索引答案

【问题标题】：numpy array print index of certain valuenumpy数组打印某个值的索引
【发布时间】：2014-09-23 20:59:56
【问题描述】：

给定一个 numpy 数组

A = np.array([[[29, 64, 83],
               [17, 92, 38],
               [67, 34, 20]],
              [[73, 28, 45],
               [19, 84, 61],
               [22, 63, 49]],
              [[48, 30, 13],
               [11, 52, 86],
               [62, 25, 12]]])

我想要某个值的索引，比如 63

该值不可能重复或丢失

我做到了

idx = np.where(A == 63)

print(idx)

我明白了

(array([1], dtype=int32), array([2], dtype=int32), array([1], dtype=int32))

我想要的是

[1, 2, 1]

作为列表或其他可迭代的，没有array, dtype=int32 等。

我该怎么做？

【问题讨论】：

标签： python arrays numpy indexing

【解决方案1】：

如果你想取回一个 numpy 数组，只需使用 concatenate 函数：

In [30]: np.concatenate(idx)
Out[30]: array([1, 2, 1])

如果您真的对 Python 列表感兴趣，那么只需：

In [31]: np.concatenate(idx).tolist()
Out[31]: [1, 2, 1]

【讨论】：

【解决方案2】：

这种使用list-comprehensions 的方法怎么样？

   idx = [x[0] for x in np.where(A==63)]

【讨论】：

这似乎行得通。谢谢。我将不得不研究它以了解它在做什么。
如果您想知道它是如何工作的，请查看列表理解。
我不明白的是 x[0] 中的 0 在做什么
它正在从数组中提取值[...]

【解决方案3】：

Numpy 数组支持返回条件为真的元素。您可以使用np.where(..) 或使用：

>>> A==63
array([[[False, False, False],
        [False, False, False],
        [False, False, False]],

       [[False, False, False],
        [False, False, False],
        [False,  True, False]],

       [[False, False, False],
        [False, False, False],
        [False, False, False]]], dtype=bool)

然后，您可以使用数组的 .nonzero() 方法将该索引数组展平为仅 True 值：

>>> (A==63).nonzero()
(array([1]), array([2]), array([1]))

请注意，这是一个 Python 元组 numpy 数组，第一个是 X 索引，第二个是 Y，然后是 A[X,Y,Z] 形式的 Z。

仅对于一个元素，您可以使用 .r_ 将其展平：

>>> np.r_[(A==63).nonzero()]
array([1, 2, 1])

如果你愿意，你可以生成一个 Python 列表：

>>> np.r_[(A==63).nonzero()].tolist()
[1, 2, 1]

一个更有趣的用例是当矩阵中有多个索引为 True 时。考虑所有 >63 的值：

>>> A>63
array([[[False,  True,  True],
        [False,  True, False],
        [ True, False, False]],

       [[ True, False, False],
        [False,  True, False],
        [False, False, False]],

       [[False, False, False],
        [False, False,  True],
        [False, False, False]]], dtype=bool)

您也可以使用 .nonzero() 方法或非零函数：

>>> np.nonzero(A>63)
(array([0, 0, 0, 0, 1, 1, 2]), array([0, 0, 1, 2, 0, 1, 1]), array([1, 2, 1, 0, 0, 1, 2]))
     ^^^ X's                      ^^^ Y's                              ^^^ Z's

现在请注意，这是一个由 3 个数组组成的元组（在本例中），所有 X、所有 Y、所有 Z 按此顺序排列。

您可以使用np.transpose 生成一个由[[X, Y, Z],...] 形式的元素索引组成的数组，如下所示：

>>> np.transpose((A>63).nonzero())
array([[0, 0, 1],
       [0, 0, 2],
       [0, 1, 1],
       [0, 2, 0],
       [1, 0, 0],
       [1, 1, 1],
       [2, 1, 2]])

或者（例如适合人眼打印）你可以使用zip:

>>> zip(*(A>63).nonzero())
[(0, 0, 1), (0, 0, 2), (0, 1, 1), (0, 2, 0), (1, 0, 0), (1, 1, 1), (2, 1, 2)]

或者，打印：

>>> print '\n'.join([str(e) for e in zip(*(A>63).nonzero())])
(0, 0, 1)
(0, 0, 2)
(0, 1, 1)
(0, 2, 0)
(1, 0, 0)
(1, 1, 1)
(2, 1, 2)

当然，这也适用于单个元素：

>>> zip(*(A==63).nonzero())[0]
(1, 2, 1)

或者numpy方式：

>>> np.transpose((A==63).nonzero())[0]
array([1, 2, 1])

这里的所有方法都以np.where(A==63) 代替(A==63).nonzero() 为例。

【讨论】：