Question

我有一个稀疏矩阵（numpy.array），我希望其中包含非零元素的索引。

在Matlab中我会写：

[i, j] = find(CM)

在Python中我该怎么办？我试过numpy.nonzero（但我不知道如何从中获取索引）和flatnonzero（但这对我来说不方便，我需要行和列索引）。

提前致谢！

Answer 1

假设通过＆＃34;稀疏矩阵＆＃34;你实际上并不是指一个scipy.sparse矩阵，而只是一个非零条目相对较少的numpy.ndarray，我认为nonzero正是你正在寻找的。从数组开始：

>>> a = (np.random.random((5,5)) < 0.10)*1
>>> a
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1],
       [0, 0, 1, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])

nonzero返回非零条目所在的索引（此处为x和y）：

>>> a.nonzero()
(array([1, 2, 3]), array([4, 2, 0]))

我们可以将这些内容分配给i和j：

>>> i, j = a.nonzero()

我们也可以使用它们将索引回a，这应该只给我们1 s：

>>> a[i,j]
array([1, 1, 1])

我们甚至可以使用以下索引修改a：

>>> a[i,j] = 2
>>> a
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 2],
       [0, 0, 2, 0, 0],
       [2, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])

如果你想要索引的组合数组，你也可以这样做：

>>> np.array(a.nonzero()).T
array([[1, 4],
       [2, 2],
       [3, 0]])

（有很多方法可以做这个重塑;我几乎随机选择了一个。）

Answer 2

这稍微超出了你的范围，我只提到它，因为我曾遇到过类似的问题。如果您希望索引访问其他一些数组，则会有一些非常简单的sytax：

import numpy as np

array = np.random.randint(0, 2, size=(3, 3))

data = np.random.random(size=(3, 3))

现在数组看起来像

>>> print array
array([[0, 1, 0],
       [1, 0, 1],
       [1, 1, 0]])

虽然数据可能

>>> print data
array([[ 0.92824816,  0.43605604,  0.16627849],
       [ 0.00301434,  0.94342538,  0.95297402],
       [ 0.32665135,  0.03504204,  0.86902492]])

然后，如果我们想要零的数据元素：

>>> print data[array==0]
array([ 0.92824816,  0.16627849,  0.94342538,  0.86902492])

哪个好又简单。

matlab中的find（）用于python中的非零元素

2 个答案: