本文共 1440 字，大约阅读时间需要 4 分钟。

numpy.where和numpy.nonzero的详细解释

numpy.where的两种用法

numpy.where是一个强大的函数，用于根据条件选择数组中的元素。它有两种主要用法，具体取决于是否传递x和y参数。

这种用法最为常用。它接受三个参数：

• condition：一个布尔数组，表示哪些位置满足条件。
• x：满足条件的位置对应的值。
• y：不满足条件的位置对应的值。

函数返回一个新的数组，其中满足条件的位置取自x，不满足条件的位置取自y。返回的数组类型与x和y一致。

示例：

import numpy as npcondition = np.array([[True, False], [True, True]])x = np.array([[1, 2], [3, 4]])y = np.array([[9, 8], [7, 6]])result = np.where(condition, x, y)print(result)  # 输出：[[1, 8], [3, 4]]

2. numpy.where(condition)

如果只传递condition参数，不传递x和y，函数会返回满足条件的元素的坐标。这种用法等价于numpy.nonzero(condition)，但返回的坐标类型是tuple，而不是数组。

示例：

import numpy as npcondition = np.array([[True, False], [True, True]])indices = np.where(condition)print(indices)  # 输出：((0, 0), (0, 1))

numpy.nonzero的用法

numpy.nonzero(condition)函数返回满足条件的元素的坐标。返回类型是一个包含多个数组的tuple，数组的数量等于输入数组的维度。每个数组表示该维度中非零元素的索引。

示例：

3. 一维数组：

import numpy as npa = np.array([1, 2, 3, 0, 4, 5])non_zero = np.nonzero(a)print(non_zero)  # 输出：(array([0, 1, 3, 5]),)

2. 二维数组：

import numpy as npb = np.array([    [1, 2],    [3, 4],    [0, 0]])non_zero = np.nonzero(b)print(non_zero)  # 输出：((0, 0), (0, 1))

3. 三维数组：

import numpy as npc = np.array([    [[1, 2], [3, 4]],    [[5, 6], [7, 8]]])non_zero = np.nonzero(c)print(non_zero)  # 输出：((0, 0, 0), (0, 0, 1), (0, 1, 0), (0, 1, 1))

总结

• numpy.where(condition, x, y)：根据条件选择x或y中的值，返回新数组。
• numpy.where(condition)：返回满足条件的元素的坐标。
• numpy.nonzero(condition)：返回非零元素的坐标，适用于多维数组。

这些函数在数据处理和分析中非常有用，尤其是在需要根据条件筛选数据时。