np.where在不带掩码数组或任何第二个参数的二维数组上

Question

我正在检查一段代码片段，有一段代码如下

z = [[True, False, True],[True, True, True],[False, False, False]]
xz, yz = np.where(z)
print(xz)
print(yz)

这是回报

[0 0 1 1 1]
[0 2 0 1 2]

如果我

z = [[True, False, True],[True, True, True]]

我会得到和你一样的结果

[0 0 1 1 1]
[0 2 0 1 2]

当我

z = [[True, False],[True, True]]

结果是

[0 1 1]
[0 0 1]

我无法找出它在做什么，这是在github上的SynthText repo中介绍的。 如果有人能帮助我了解它的功能，我将不胜感激？它的用途是什么

Answer 1

如果仔细阅读关于^{}的文档，您会发现，如果只提供条件参数，它与np.asarray(condition).nonzero()等价，因此行为归结为^{}

>>> z = np.array([[True, False], [True, True]])

这个数组中有三个非零元素，索引为：[0, 0]，[1, 0]，[1, 1]

>>> np.nonzero(z)
(array([0, 1, 1], dtype=int64), array([0, 0, 1], dtype=int64))

元组的第一个元素是每个非零元素（[0, 1, 1]）的第一个索引，元组的第二个元素是每个非零元素（[0, 0, 1]）的第二个索引

Answer 2

如果考虑二维矩阵，如矩阵，^ {< CD1>}有助于得到元素的真或非零指数。二维数组索引有两个组件，分别对应于数组中的每个元素[rows' number, columns' number]。 第一个变量，即示例中的xz显示True或非零元素的行数，yz显示相应列数。以下代码有助于理解：

xz = [1th-x, 2nd-x, 3rd-x]
yz = [1th-y, 2nd-y, 3rd-y]
nonzero_indices = [[1th-x, 1th-y], [2nd-x, 2nd-y], [3rd-x, 3rd-y]]

使用以下代码将获得每个真或非零元素的索引，如上面代码中的nonzero_indices所示：

print(np.transpose(np.where(z)))

这将给[[0 0] [1 0] [1 1]]
希望对你有帮助