Question

我有一个很大的numpy矩阵M。矩阵的某些行的所有元素都为零，我需要获取这些行的索引。我考虑的天真方法是循环遍历矩阵中的每一行，然后检查每个元素。但是我认为使用numpy可以更好，更快地完成此任务。我希望你能帮忙！

Answer 1

这是一种方式。我假设已使用import numpy as np导入numpy。

In [20]: a
Out[20]: 
array([[0, 1, 0],
       [1, 0, 1],
       [0, 0, 0],
       [1, 1, 0],
       [0, 0, 0]])

In [21]: np.where(~a.any(axis=1))[0]
Out[21]: array([2, 4])

这个答案略有不同：How to check that a matrix contains a zero column?

这是发生了什么：

如果数组中的任何值为“truthy”，则any方法返回True。非零数字被视为True，0被视为False。通过使用参数axis=1，该方法将应用于每一行。对于示例a，我们有：

In [32]: a.any(axis=1)
Out[32]: array([ True,  True, False,  True, False], dtype=bool)

因此每个值指示相应的行是否包含非零值。 ~运算符是二进制“not”或补码：

In [33]: ~a.any(axis=1)
Out[33]: array([False, False,  True, False,  True], dtype=bool)

（给出相同结果的替代表达式为(a == 0).all(axis=1)。）

要获取行索引，我们使用where函数。它返回其参数为True的索引：

In [34]: np.where(~a.any(axis=1))
Out[34]: (array([2, 4]),)

请注意where返回包含单个数组的元组。 where适用于n维数组，因此它总是返回一个元组。我们想要那个元组中的单个数组。

In [35]: np.where(~a.any(axis=1))[0]
Out[35]: array([2, 4])

Answer 2

如果元素为int(0)，则可接受的答案有效。如果要查找所有值均为0.0（浮点数）的行，则必须使用np.isclose()：

print(x)
# output
tensor([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 1., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         1., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
])
np.where(np.all(np.isclose(labels, 0), axis=1))
(array([ 0, 3]),)

注意：这也适用于PyTorch张量，当您要查找归零的multihot编码矢量时非常有用。

Answer 3

使用np.sum的解决方案，
如果您想使用阈值，则很有用

a = np.array([[1.0, 1.0, 2.99],
          [0.0000054, 0.00000078, 0.00000232],
          [0, 0, 0],
          [1, 1, 0.0],
          [0.0, 0.0, 0.0]])
print(np.where(np.sum(np.abs(a), axis=1)==0)[0])
>>[2 4]
print(np.where(np.sum(np.abs(a), axis=1)<0.0001)[0])
>>[1 2 4]

使用np.prod检查行是否至少包含一个零元素

print(np.where(np.prod(a, axis=1)==0)[0])
>>[2 3 4]

在numpy的矩阵中查找哪些行将所有元素都作为零

3 个答案: