假设我传递了1D数组:
>>> np.arange(0,20)
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19])
>>> np.arange(0,20).shape
(20,)
进入argwhere:
>>> np.argwhere(np.arange(0,20)<10)
array([[0],
[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9]])
>>> np.argwhere(np.arange(0,20)<10).shape
(10, 1)
为什么结果会变成2D数组?这有什么好处?
答案 0 :(得分:3)
argwhere
返回where条件为True的坐标。通常,坐标是元组,因此输出应为2D。
>>> np.argwhere(np.arange(0,20).reshape(2,2,5)<10)
array([[0, 0, 0],
[0, 0, 1],
[0, 0, 2],
[0, 0, 3],
[0, 0, 4],
[0, 1, 0],
[0, 1, 1],
[0, 1, 2],
[0, 1, 3],
[0, 1, 4]])
为了保持一致性,这也适用于1D输入的情况。
答案 1 :(得分:0)
numpy.argwhere
找到满足条件的元素的索引。碰巧你的一些元素本身就是输出元素(索引与值相同)。
特别是,在您的示例中,输入是一维的,输出是一维(索引)乘二(第二个是迭代值)。
我希望这很清楚,如果没有,请参考numpy文档中提供的二维输入数组示例:
>>> x = np.arange(6).reshape(2,3)
>>> x
array([[0, 1, 2],
[3, 4, 5]])
>>> np.argwhere(x>1)
array([[0, 2],
[1, 0],
[1, 1],
[1, 2]])
答案 2 :(得分:0)
argwhere
只是where
的转置(实际为np.nonzero
):
In [17]: np.where(np.arange(0,20)<10)
Out[17]: (array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),)
In [18]: np.transpose(_)
Out[18]:
array([[0],
[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9]])
where
生成一个数组元组,每个维度一个数组(这里是1个元素元组)。 transpose
将该元组转换为数组(例如(1,10)
形状),然后将其转置。所以它的列数是输入条件的ndim
,行数是finds
的数量。
argwhere
可用于可视化查找,但在程序中不如where
本身有用。 where
元组可用于直接索引条件数组。 argwhere
数组通常以迭代方式使用。例如:
In [19]: x = np.arange(10).reshape(2,5)
In [20]: x %2
Out[20]:
array([[0, 1, 0, 1, 0],
[1, 0, 1, 0, 1]])
In [21]: np.where(x%2)
Out[21]: (array([0, 0, 1, 1, 1]), array([1, 3, 0, 2, 4]))
In [22]: np.argwhere(x%2)
Out[22]:
array([[0, 1],
[0, 3],
[1, 0],
[1, 2],
[1, 4]])
In [23]: x[np.where(x%2)]
Out[23]: array([1, 3, 5, 7, 9])
In [24]: for i in np.argwhere(x%2):
...: print(x[tuple(i)])
...:
1
3
5
7
9
In [25]: [x[tuple(i)] for i in np.argwhere(x%2)]
Out[25]: [1, 3, 5, 7, 9]