仅计算numpy数组的1列中的非零值

Question

我有一个Numpy数组，按如下方式创建

data=np.zeros(500,dtype='float32, (50000,2)float32')

这个数组充满了我从一些测量中获得的值，并且应该反映出在每个时间点（500个时间点的空间）我们可以获得50.000 x和y-坐标。

稍后在我的代码中使用bisect - 就像搜索一样，我需要知道我的数组中有多少X-coords（测量点）实际上是我最初用np.count_nonzero(data)做的，这就产生了以下问题：

Fake data:

1 1
2 2
3 0
4 4
5 0
6 6
7 7
8 8
9 9
10 10

非零计数在此返回18个值，然后代码进入bisect - 类似于使用data[time][1][0][0]作为min X-coord和data[time][1][(np.count_nonzero(data)][0]作为max x-coord进行搜索在数组中停止在9而不是10。

我可以使用while循环手动计算数组中的非零值（在X-coord列中），但这很愚蠢，我假设有一些内置的numpy功能。我的问题是我所需要的内置功能或修改np.count_nonzero(data)，因为文档在这方面没有提供太多信息（link到numpy doc）。

- 简化问题 -

我可以使用 Numpy 功能来计算单个列的非零值吗？ （即在data[time][1][0][0]和data[time][1][max][0]之间）

Answer 1

也许更好的方法是使用nonzero过滤数组并迭代结果：

nonZeroData = data[np.nonzero(data[time][1])]

仅从第二列计算零：

nonZeroYCount = np.count_nonzero(data[time][1][:, 1])

Answer 2

如果我理解正确，请从data[time][1][0][0]到data[time][1][max][0]选择元素：

data[time][1][:max+1,0]

修改：

每次都计算所有非零值：

(data["f1"][:,:,0] != 0).sum(1)

Answer 3

为什么不考虑使用data != 0来获取bool矩阵？

您可以使用：

stat = sum(data != 0)计算非零条目。

我不确定你的data数组有什么形状，但希望你能看出我的意思。 ：）