查找非零索引作为数组答案

【问题标题】：find nonzero indices as an array查找非零索引作为数组
【发布时间】：2018-01-17 21:41:20
【问题描述】：

我知道numpy.where 给出了条件适用的数组坐标的元组。但是如果我想要一个数组呢？假设以下二维数组：

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

现在我想要的只是第一次出现零，但对于每一行，即使它不存在。 Java 中的 indexOf() 之类的东西。所以输出看起来像：

array([-1,2,2,1,0])

我需要切割一个 ndarray 的片段，减少维度而不是拥有一个元组并尝试重新生成丢失的行会容易得多。

【问题讨论】：

stackoverflow.com/questions/27175400/…我希望这会有所帮助
所呈现的矩阵与样本输出之间是否存在关系？
@EugeneSh。是的，但是 OP 在行和列之间混淆了。
另外，示例中应该有逗号才能复制 Python 语法
@AntonvBR。是为了转置。第一个 column 没有零，所以 -1。接下来的两列在第 2 行中的第一个为零，依此类推。

标签： python numpy

【解决方案1】：

这是一个不那么狡猾的解决方案，但可以说更容易理解。首先找到所有匹配项，然后使用匹配项的第一个元素创建一个数组，如果 len == 0 则为 -1。

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

matches = [np.where(np.array(i)==0)[0] for i in a.T]
np.array([i[0] if len(i) else -1 for i in matches]) # first occurence, else -1

array([-1,  2,  2,  1,  0])

【讨论】：

【解决方案2】：

this 是你要找的吗？

import numpy as np

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

np.argmax(a==0, axis=0) - ~np.any(a==0, axis=0)

输出：

array([-1,  2,  2,  1,  0], dtype=int64)

这里的想法是np.argmax 找到每列中第一个匹配元素的索引（axis=0 表示 columns，这似乎是您在输出中想要的，但如果您实际上想要行，使用axis=1）。因为np.argmax 为根本不匹配的列返回 0，所以我从不包含任何 0 的每一列的结果中减去 1。

【讨论】：

a.argmin(0)-a.all(0) 作为快捷方式。