Numpy：沿任意维度查找非零值

Question

看来我无法在 Numpy 中解决这个问题：我有一个矩阵，具有任意维数，以任意方式排序。在这个矩阵内部，总有一个我感兴趣的维度（正如我所说，这个维度的位置并不总是相同的）。现在，我想沿着这个维度找到第一个非零值。事实上，我需要那个值的索引来对值本身执行一些操作。举个例子：如果我的矩阵 a 是 n x m x p 并且我感兴趣的维度是数字 1，我会做类似的事情：

for ii in xrange(a.shape[0]):
   for kk in xrange(a.shape[2]):
      myview = np.squeeze(a[ii, :, kk])
      firsti = np.nonzero(myview)[0][0]
      myview[firsti] = dostuff

除了性能方面的考虑，我真的不知道如何做到这一点具有不同数量的维度，并且具有我对任意位置感兴趣的维度。

Answer 1

您可以为了自己的目的滥用 np.argmax。在这里，您可以指定您感兴趣的 axis，其中 0 沿列，1 沿行，依此类推。您只需要一个数组，其中包含所有非零元素的相同值。您可以通过执行 a != 0 来实现，因为这将包含所有零元素的 False（意思是 0）和所有零元素的 True（意思是 1）非零元素。现在 np.argmax(a != 0, axis=1) 将为您提供沿 1 轴的第一个非零元素。

例如：

import numpy as np

a = np.array([[0, 1, 4],[1, 0, 2],[0, 0, 1]])
# a = [[0, 1, 4],
#      [1, 0, 2],
#      [0, 0, 1]]

print(np.argmax(a!=0, axis=0))
# >>> array([1, 0, 0]) -> along columns

print(np.argmax(a!=0, axis=1))
# >>> array([1, 0, 2]) -> along rows

这也适用于更高维度，但输出的指导性较差，难以想象。

Numpy：沿任意维度查找非零值

Numpy: finding nonzero values along arbitrary dimension

arrays

iteration

numpy

matrix

array-broadcasting