Question

我正在使用2D NumPy数组。我想得到（列，行）索引，或者（x，y）坐标，如果您更喜欢这样，我的2D数组符合布尔条件。

我能解释我想要做的最好的方法是通过一个简单的例子：

>>> a = np.arange(9).reshape(3, 3)
>>> b = a > 4
>>> b
>>> array([[False, False, False],
           [False, False,  True],
           [ True,  True,  True]], dtype=bool)

此时我现在有一个布尔数组，指示a > 4。

的位置

此时我的目标是获取值为True的布尔数组的索引。例如，索引(1, 2)，(2, 0)，(2, 1)和(2, 2)都具有值True。

我的最终目标是最终得到一个索引列表：

>>> indexes = [(1, 2), (2, 0), (2, 1), (2, 2)]

同样，我强调指出上面的代码是一个简单的例子，但是我正在尝试做的事情的应用可能有a > 4的任意索引，而不是基于arange和reshape。

Answer 1

numpy.where使用numpy.column_stack：

>>> np.column_stack(np.where(b))
array([[1, 2],
       [2, 0],
       [2, 1],
       [2, 2]])

Answer 2

@Ashwini Chaudhary答案的替代方案是numpy.nonzero

>>> a = np.arange(9).reshape(3,3)
>>> b = a > 4
>>> np.nonzero(b)
(array([1, 2, 2, 2]), array([2, 0, 1, 2]))

>>> np.transpose(np.nonzero(b))
array([[1, 2],
       [2, 0],
       [2, 1],
       [2, 2]])

编辑：什么是更快。 nonzero和where基本上是等效的，但transpose在这里证明是错误的（即使它是mentioned in the docs）：

In [15]: N = 5000

In [16]: a = np.random.random((N, N))

In [17]: %timeit np.nonzero(a > 0.5)
1 loops, best of 3: 470 ms per loop

In [18]: %timeit np.transpose(np.nonzero(a > 0.5))     # ooops
1 loops, best of 3: 2.56 s per loop

In [19]: %timeit np.where(a > 0.5)
1 loops, best of 3: 467 ms per loop

In [20]: %timeit np.column_stack(np.where(a > 0.5))
1 loops, best of 3: 653 ms per loop

从满足布尔条件的NumPy数组中获取（列，行）索引

2 个答案: