np.where 在没有屏蔽数组或任何第二个参数的二维数组上

Question

我正在检查一个代码片段，有一个代码如下

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

这个returns

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

如果我做

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

我会得到与

相同的结果

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

当我做的时候

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

结果是

[0 1 1]
[0 0 1]

我没能弄清楚它在做什么，这是在 github 上的 SynthText repo 中介绍的。如果有人可以帮助理解它的作用，我将不胜感激？它的应用是什么？

Answer 1

如果您仔细阅读 np.where, you find that it's equvivalent to np.asarray(condition).nonzero() in case you only provide the condition parameter, so the behaviour comes down to np.nonzero 上的文档。

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

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

Answer 2

如果我们考虑二维数组，例如矩阵，np.where(z) 有助于获取元素的索引为 True 或非零。二维数组索引有两个分量，对应于数组的每个元素，如 [rows' number, columns' number]。第一个变量，即您示例中的 xz，显示 True 或非零元素的行号，yz 显示相应列的号。以下代码可能有助于理解：

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]]

使用以下代码将获取每个 True 或非零元素的索引，因为它在上面的代码中显示为 nonzero_indices：

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

这会给出 [[0 0] [1 0] [1 1]]
希望对你有帮助。

np.where 在没有屏蔽数组或任何第二个参数的二维数组上

np.where on 2D array without masked array or any second argument

python

arrays

numpy

image-masking

numpy-ndarray