Question

我似乎无法在Numpy中解决这个问题：我有一个矩阵，具有任意数量的维度，以任意方式排序。在这个矩阵中，总有一个我感兴趣的维度（正如我所说，这个维度的位置并不总是相同的）。现在，我想在此维度中找到第一个非零值。实际上，我需要该值的索引来对值本身执行一些操作。例如：如果我的矩阵a为n x m x p且我感兴趣的维度为1，我会做类似的事情：

for ii in xrange(a.shape[0]):
   for kk in xrange(a.shape[2]):
      myview = np.squeeze(a[ii, :, kk])
      firsti = np.nonzero(myview)[0][0]
      myview[firsti] = dostuff

除了性能方面的考虑，我真的不知道如何使用不同数量的维度做这个，并且让我感兴趣的维度处于任意位置。

Answer 1

您可以为了您的目的滥用np.argmax。在这里，您可以指定您感兴趣的axis，其中0位于列的位置，1位于行中，依此类推。您只需要一个数组，其中包含非零的所有元素的相同值。您可以通过执行a != 0来实现这一目标，因为这将包含所有零元素的False（意味着0）和所有零元素的True（意为1）非零元素。现在np.argmax(a != 0, axis=1)将为您提供1轴上的第一个非零元素。

例如：

import numpy as np

a = np.array([[0, 1, 4],[1, 0, 2],[0, 0, 1]])
# a = [[0, 1, 4],
#      [1, 0, 2],
#      [0, 0, 1]]

print(np.argmax(a!=0, axis=0))
# >>> array([1, 0, 0]) -> along columns

print(np.argmax(a!=0, axis=1))
# >>> array([1, 0, 2]) -> along rows

这也适用于更高维度，但输出不那么有启发性，因为很难想象。

Numpy：沿任意维找到非零值

1 个答案: