当使用布尔数组直接作为下标对象或者元组下标对象中有布尔数组时,都相当于用nonzero()将布尔数组转换成一组整数数组,然后使用整数数组进行下标运算。
nonzero(a)返回数组a中值不为零的元素的下标,它的返回值是一个长度为a.ndim(数组a的轴数)的元组,元组的每个元素都是一个整数数组,其值为非零元素的下标在对应轴上的值。
class A:
def __nonzero__(self):
print 'A._nonzero__()'
return True
print 'A is not zero' if A() else 'A is zero'
print bool(A())
输入值:数组或矩阵 返回输入值中非零元素的信息(以矩阵的形式) 这些信息中包括 两个矩阵, 包含了相应维度上非零元素所在的行标号,与列标标号。 例如:a=mat([ [1,0,0],[0,0,0],[0,0,0]]) 则 nonzero(a) 返回值为两个矩阵:(matrix([[0]], dtype=int32), matrix([[0]], dtype=int32)) , 表示输入矩阵a只有1个非零值, 第一个matrix([[0]], dtype=int32)表示非零元素在第0行, 第二个matrix([[0]], dtype=int32)表示在第0行的第0列。
b1=np.array([True,False,True,False])
print(np.nonzero(b1))
(array([0, 2], dtype=int64),)
例如对于一维布尔数组b1,nonzero(b1)所得到的是一个长度为1的元组,因为矩阵有两个非0值。它表示b1[0]和b1[2]的值不为0(False)。
b2=np.array([[True,False,True],[True,False,False]])
print(np.nonzero(b2))
(array([0, 0, 1], dtype=int64), array([0, 2, 0], dtype=int64))
对于二维数组b2,nonzero(b2)所得到的是一个长度为2的元组。因为矩阵b2只有3个非零值,它的第0个元素是数组a中值不为0的元素的第0轴的下标,第1个元素则是第1轴的下标,因此从下面的结果可知b2[0,0]、b[0,2]和b2[1,0]的值不为0:
当布尔数组直接做为numpy数组下标时,相当于使用由nonzero()转换之后的元组作为下标对象:
a = np.arange(3*4*5).reshape(3,4,5)
print(a)
print(a[np.nonzero(b2)])
[[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]]
[[20 21 22 23 24] [25 26 27 28 29] [30 31 32 33 34] [35 36 37 38 39]]
[[40 41 42 43 44] [45 46 47 48 49] [50 51 52 53 54] [55 56 57 58 59]]]
[[ 0 1 2 3 4] [10 11 12 13 14] [20 21 22 23 24]]
为了观察变化,下面有一个例子:
from numpy.ma import nonzero, array
dataSet=array(
[[1,0,0,0],
[0,1,0,0],
[0,1,0,0],
[0,0,0,1]])
a=dataSet[:,1]>0.5
print(a)
print('--------------')
print(nonzero(a))
print('--------------')
print(nonzero(a)[0])
print('--------------')
print(dataSet[nonzero(a)[0],:])
output:
[False True True False]
--------------
(array([1, 2], dtype=int64),)
--------------
[1 2]
--------------
[[0 1 0 0]
[0 1 0 0]]
推荐算法直通车