Question

我正在转换这个数组：

x = np.array([[0, 0, 1], [1, 1, 0], [0, 1, 0], [1, 0, 0], [0, 0, 0]])

至：[2, 0, 1, 0, 0]。

基本上，我想返回每个子数组中第一个1的索引。但是，我的问题是我不知道如何处理没有1的场景。如果找不到0，我希望它返回1。（例如我的例子）。

下面的代码运行正常，但会为我提到的场景抛出IndexError: index 0 is out of bounds for axis 0 with size 0：

np.array([np.where(r == 1)[0][0] for r in x])

处理此问题的简单方法是什么？它不需要限制为numpy.where。

我顺便使用Python 3。

Answer 1

使用mask 1s然后argmax沿每行获取第一个匹配的索引以及any以检查有效行（至少有一行{{ 1}}） -

现在，所有mask = x==1 idx = np.where(mask.any(1), mask.argmax(1),0)上的argmax都会返回False。因此，这就完全可以解决所述问题。因此，我们可以简单地使用0结果。但是在一般情况下，无效说明符，我们称之为mask.argmax(1)不是invalid_val，我们可以在0内指定，就像这样 -

np.where

另一种方法是获取掩码上的第一个匹配索引，然后索引到掩码中以查看是否有任何索引值为idx = np.where(mask.any(1), mask.argmax(1),invalid_val)并将其设置为False -

0s

Answer 2

对代码进行简单修改就是为列表推导添加一个条件：

np.array([np.where(r == 1)[0][0] if 1 in r else 0 for r in x])
# 23.1 µs ± 43.2 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

获得相同结果的更简洁，更快捷的方法是：

np.argmax(x == 1, axis=1)
# 4.04 µs ± 45.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

或等同于：

np.argmin(x != 1, axis=1)
# 4.03 µs ± 13.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

如何处理numpy.where条件不满意的情况？

2 个答案: