np.where 在没有掩码数组或任何第二个参数的二维数组上答案

【问题标题】：np.where on 2D array without masked array or any second argumentnp.where 在没有掩码数组或任何第二个参数的二维数组上
【发布时间】：2021-09-11 17:49:14
【问题描述】：

我正在检查一个代码 sn-ps，有一个类似下面的代码

z = [[True, False, True],[True, True, True],[False, False, False]]
xz, yz = np.where(z)
print(xz)
print(yz)

[0 0 1 1 1]
[0 2 0 1 2]

如果我做

z = [[True, False, True],[True, True, True]]

我会得到相同的结果

[0 0 1 1 1]
[0 2 0 1 2]

当我制作时

z = [[True, False],[True, True]]

结果是

[0 1 1]
[0 0 1]

我无法找出它在做什么，这是在 github 上的 SynthText repo 中提出的。如果有人能帮助理解它的作用，我将不胜感激？它的用途是什么？

【问题讨论】：

标签： python arrays numpy numpy-ndarray image-masking

【解决方案1】：

如果我们考虑二维数组，例如矩阵，np.where(z) 有助于获取元素的索引为真或非零。二维数组索引有两个分量，对应于数组的每个元素[rows' number, columns' number]。第一个变量，即您的示例中的 xz，显示 True 或非零元素的行数，yz 显示相应的列数。以下代码可能有助于理解：

xz = [1th-x, 2nd-x, 3rd-x]
yz = [1th-y, 2nd-y, 3rd-y]
nonzero_indices = [[1th-x, 1th-y], [2nd-x, 2nd-y], [3rd-x, 3rd-y]]

使用以下代码将获取每个 True 或非零元素的索引，因为它在上面的代码中显示为 nonzero_indices：

print(np.transpose(np.where(z)))

这会给[[0 0] [1 0] [1 1]]
希望对您有所帮助。

【讨论】：

【解决方案2】：

如果你仔细阅读np.where 上的文档，你会发现如果你只提供条件参数，它就等同于np.asarray(condition).nonzero()，所以行为归结为np.nonzero。

>>> z = np.array([[True, False], [True, True]])

此数组中有三个非零元素，索引为：[0, 0]、[1, 0]、[1, 1]

>>> np.nonzero(z)
(array([0, 1, 1], dtype=int64), array([0, 0, 1], dtype=int64))

元组的第一个元素是每个非零元素的第一个索引 ([0, 1, 1])，元组的第二个元素是每个非零元素的第二个索引 ([0, 0, 1])。

【讨论】：