np.where() 的内部工作原理以及如何检查空虚/虚无

Question

这是一个与基本原理相关的问题，因此对其他人来说可能看起来很愚蠢，但在这里： 通过阅读the docs 和this post，我了解到如果传递的参数数组是一维数组，np.where() 会为y 返回一个空数组。但是如何检查它是否实际上是一个空数组，而不是None 或NaN？

我已经检查了this post 以检查Noneness，但如果我一开始就无法访问返回值，我会不知道该怎么做。我试图访问这个值（见下面的代码），但我得到一个 IndexError

此外，我对numpy.where() 的内部运作有些困惑。从the docs 它说 np.where() 返回一个 ndarray 但如果我在 Jupyter 上运行它，它会返回一个 tuple。

以下是我使用的代码。 （numpy 版本：numpy==1.15.4）

test_array = np.array([4, 5, 6]) # 1-D array
print(type(test_array)) 

>>> <class 'numpy.ndarray'>

thres = 6
result = np.where(test_array > thres)
print(type(result))

>>> <class 'tuple'>

与上面的问题有关，如果我尝试访问结果值，

result
>>> (array([], dtype=int64),)

result[0]
>>> array([], dtype=int64)

result[1]
>>> IndexError: tuple index out of range

如果我遗漏了什么，请告诉我！

提前致谢！

Answer 1

你的测试数组：

In [57]: arr = np.array([4,5,6])                                                                             
In [58]: arr                                                                                                 
Out[58]: array([4, 5, 6])

测试产生一个布尔数组：

In [59]: arr>6                                                                                               
Out[59]: array([False, False, False])

在该数组中搜索非零值True - 没有。根据文档，结果是一个元组，输入的每个维度一个数组：

In [60]: np.nonzero(arr>6)                                                                                   
Out[60]: (array([], dtype=int64),)
In [61]: _[0]                                                                                                
Out[61]: array([], dtype=int64)

Out[61].size 是 0。Out[61].shape 是 (0,)。

一个更有趣的阈值：

In [62]: np.where(arr>4)                                                                                     
Out[62]: (array([1, 2]),)
In [63]: np.nonzero(arr>4)                                                                                   
Out[63]: (array([1, 2]),)

这个元组可以直接用来索引原始数组：

In [64]: arr[_]                                                                                              
Out[64]: array([5, 6])

Out[69] 也是一个有效的索引元组。

当我们处理 2 维或 3 维数组时，结果的元组性质变得更加有趣和有用。

例如，二维数组中 3 的倍数：

In [65]: arr = np.arange(12).reshape(3,4)                                                                    
In [66]: arr                                                                                                 
Out[66]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In [67]: (arr % 3)==0                                                                                        
Out[67]: 
array([[ True, False, False,  True],
       [False, False,  True, False],
       [False,  True, False, False]])
In [68]: np.nonzero(_)                                                                                       
Out[68]: (array([0, 0, 1, 2]), array([0, 3, 2, 1]))
In [69]: arr[_]                                                                                              
Out[69]: array([0, 3, 6, 9])

Answer 2

我认为你需要检查result[0]的值。

print(type(result[0]))