了解numpy.where

问题描述

我想获取numpy数组元素的第一个索引，该索引大于同一数组的某些特定元素.我尝试了以下操作:

I want to get first index of numpy array element which is greater than some specific element of that same array. I tried following:

>>> Q5=[[1,2,3],[4,5,6]]
>>> Q5 = np.array(Q5)
>>> Q5[0][Q5>Q5[0,0]]
array([2, 3])
>>> np.where(Q5[0]>Q5[0,0])
(array([1, 2], dtype=int32),)
>>> np.where(Q5[0]>Q5[0,0])[0][0]
1

Q1.以上是获取大于 Q5 [0,0] 的 Q5 [0] 中元素的第一索引的正确方法?

Q1. Is above correct way to obtain first index of an element in Q5[0] greater than Q5[0,0]?

我更关心 np.where(Q5 [0]> Q5 [0,0])返回元组(array([1，2]，dtype = int32)，)，因此要求我在 np.where(Q5 [0]> Q5 [0,0])的末尾对 [0] [0] 进行双索引[0] [0] .

I am more concerned with np.where(Q5[0]>Q5[0,0]) returning tuple (array([1, 2], dtype=int32),) and hence requiring me to double index [0][0] at the end of np.where(Q5[0]>Q5[0,0])[0][0].

第二季度.为什么返回元组，但下面返回正确的numpy数组?

Q2. Why this return tuple, but below returns proper numpy array?

>>> np.where(Q5[0]>Q5[0,0],Q5[0],-1)
array([-1,  2,  3])

这样我就可以直接建立索引:

So that I can index directly:

>>> np.where(Q5[0]>Q5[0,0],Q5[0],-1)[1]
2

推荐答案

将 argmax 与布尔数组一起使用将为您提供第一个True的索引.

Using argmax with a boolean array will give you the index of the first True.

In [54]: q
Out[54]:
array([[1, 2, 3],
       [4, 5, 6]])

In [55]: q > q[0,0]
Out[55]:
array([[False,  True,  True],
       [ True,  True,  True]], dtype=bool)

argmax 可以采用轴/尺寸参数.

argmax can take an axis/dimension argument.

In [56]: np.argmax(q > q[0,0], 0)
Out[56]: array([1, 0, 0], dtype=int64)

这表示第一个True为第0列的索引为1，为第1列和第2列的索引为零.

That says the first True is index one for column zero and index zero for columns one and two.

In [57]: np.argmax(q > q[0,0], 1)
Out[57]: array([1, 0], dtype=int64)

这表示第一个True是第1行的索引1和第1行的索引0.

That says the first True is index one for row zero and index zero for row one.

不，我将 argmax 与 1 用作 axis 参数，然后从该结果中选择第一项.

No I would use argmax with 1 for the axis argument then select the first item from that result.

您告诉它返回False值的 -1 ，返回True值的 Q5 [0] 项.

You told it to return -1 for False values and return Q5[0] items for True values.

您很幸运，并选择了正确的索引.

You got lucky and chose the correct index.

这篇关于了解numpy.where的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！