当多个列值已知时获取 2D numPy 数组的行索引

Question

假设我有一个 2D numPy 数组，例如：

a = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]

如何找到我知道多个值的行的索引？比如知道第0列是2，第1列是5，我想知道满足这个条件的行索引（本例是第1行）。

在我的应用程序中，前两列是 (x,y) 坐标，第三列是有关该坐标的信息。我正在尝试在列表中查找特定坐标，以便更改第三列中的值。

编辑：为了澄清，这里是一个非正方形的例子：

a = [ [1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12], [13, 14, 15, 16, 17, 18] ]

假设我知道我要查找的行的第 0 列有 13 个，第 1 列有 14 个。我想返回该行的索引。在这种情况下，我想返回索引 2（第 2 行）。

或者更好的是，我想编辑第 0 列有 13 和第 1 列有 14 的行的第 4 列。这是我对我所描述的情况找到的解决方案（将值更改为 999）：

a[(a[:,0]==13) & (a[:,1]==14), 3] = 999

给予：

a = [ [1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12], [13, 14, 15, 999, 17, 18] ]

如果不清楚，我很抱歉。有人可以在我的原始帖子（编辑上方）中指出如何对它进行不同的解释，因为我看不到它。

谢谢。

编辑 2：修复了第一次编辑中的错误（以粗体显示）

我现在可以看到我是如何让所有人都感到困惑的。我的问题的解决方案在eat的解决方案的条件b）中有很好的描述。谢谢。

Answer 1

In [80]: a = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ])
In [81]: a
Out[81]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

a==2 返回一个布尔 numpy 数组，显示条件为 True：

In [82]: a==2
Out[82]: 
array([[False,  True, False],
       [False, False, False],
       [False, False, False]], dtype=bool)

您可以使用np.any(...,axis=0) 找到任何为真的列：

In [83]: np.any(a==2,axis=0)
Out[83]: array([False,  True, False], dtype=bool)

In [84]: np.any(a==5,axis=0)
Out[84]: array([False,  True, False], dtype=bool)

您可以使用& 找到两个条件同时为真的地方：

In [85]: np.any(a==2,axis=0) & np.any(a==5,axis=0)
Out[85]: array([False,  True, False], dtype=bool)

最后，您可以使用np.where找到条件同时为真的列的索引：

In [86]: np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0))
Out[86]: (array([1]),)

Answer 2

以下是处理列或行条件的方法，灵感来自 Python 之禅。

In []: import this
The Zen of Python, by Tim Peters

Beautiful is better than ugly.
Explicit is better than implicit.
...

所以遵循第二个建议：
a) 列上的条件，应用于行：

In []: a= arange(12).reshape(3, 4)
In []: a
Out[]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In []: a[2, logical_and(1== a[0, :], 5== a[1, :])]+= 12
In []: a
Out[]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8, 21, 10, 11]])

b) 行上的条件，应用于列：

In []: a= a.T
In []: a
Out[]:
array([[ 0,  4,  8],
       [ 1,  5, 21],
       [ 2,  6, 10],
       [ 3,  7, 11]])
In []: a[logical_and(1== a[:, 0], 5== a[:, 1]), 2]+= 12
In []: a
Out[]:
array([[ 0,  4,  8],
       [ 1,  5, 33],
       [ 2,  6, 10],
       [ 3,  7, 11]])

所以我希望在访问列和行时始终保持显式是有意义的。代码通常由具有不同背景的人阅读。

Answer 3

在做

np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0))

unutbu 建议不会使用第 0 列中 2 和第 1 列中 5 的信息。所以，对于a = np.array([[5, 2, 3], [2, 5, 6], [7, 8, 9]])，会误返回(array([0, 1]),)

相反，您可以使用

np.where((a[0]==2) & (a[1]==5))

得到正确的结果(array([1]),)。

此外，如果您想编辑该特定行的第二列，您可以跳过 np.where 并直接使用：a[2][(a[0]==2) & (a[1]==5)] 引用它。这也适用于分配，例如a[2][(a[0]==2) & (a[1]==5)] = 11。