numpy.ma.masked_array.nonzero¶
-
masked_array.
nonzero
()[source]¶ 返回非零的未屏蔽元素的索引。
返回数组的元组,每个维包含一个元组,其中包含该维中非零元素的索引。相应的非零值可以用下式获得:
a[a.nonzero()]
要按元素(而不是维)对索引进行分组,请改用:
np.transpose(a.nonzero())
其结果始终是2d数组,每个非零元素都有一行。
参数: 无
返回: tuple_of_arrays:tuple
非零元素的索引。
也可以看看
numpy.nonzero
- 函数对ndarrays操作。
flatnonzero
- 在输入数组的扁平版本中返回非零的索引。
ndarray.nonzero
- 等效ndarray方法。
count_nonzero
- 计算输入数组中非零元素的数量。
例子
>>> import numpy.ma as ma >>> x = ma.array(np.eye(3)) >>> x masked_array(data = [[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]], mask = False, fill_value=1e+20) >>> x.nonzero() (array([0, 1, 2]), array([0, 1, 2]))
被忽略的元素被忽略。
>>> x[1, 1] = ma.masked >>> x masked_array(data = [[1.0 0.0 0.0] [0.0 -- 0.0] [0.0 0.0 1.0]], mask = [[False False False] [False True False] [False False False]], fill_value=1e+20) >>> x.nonzero() (array([0, 2]), array([0, 2]))
指数也可以按元素分组。
>>> np.transpose(x.nonzero()) array([[0, 0], [2, 2]])
nonzero
的常见用法是找到数组的索引,其中条件为True。Given an array a, the condition a > 3 is a boolean array and since False is interpreted as 0, ma.nonzero(a > 3) yields the indices of the a where the condition is true.>>> a = ma.array([[1,2,3],[4,5,6],[7,8,9]]) >>> a > 3 masked_array(data = [[False False False] [ True True True] [ True True True]], mask = False, fill_value=999999) >>> ma.nonzero(a > 3) (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))
也可以调用条件数组的
nonzero
方法。>>> (a > 3).nonzero() (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))