Answers:
是的,这是给定NumPy数组array
和值的答案item
,以搜索:
itemindex = numpy.where(array==item)
结果是具有所有行索引,然后是所有列索引的元组。
例如,如果一个数组是二维的,并且它在两个位置包含您的商品,则
array[itemindex[0][0]][itemindex[1][0]]
将等于您的物品,所以
array[itemindex[0][1]][itemindex[1][1]]
rows, columns = np.where(array==item); first_idx = sorted([r for r, c in zip(rows, columns) if c == 0])[0]
np.argwhere
在这里会更有用:itemindex = np.argwhere(array==item)[0]; array[tuple(itemindex)]
where
可在任何阵列上,并且一个三维阵列等上使用时将返回长度为3的元组
如果仅需要一个值的第一次出现的索引,则可以使用nonzero
(或where
,在这种情况下,这等于同一件事):
>>> t = array([1, 1, 1, 2, 2, 3, 8, 3, 8, 8])
>>> nonzero(t == 8)
(array([6, 8, 9]),)
>>> nonzero(t == 8)[0][0]
6
如果您需要每个值的第一个索引,显然可以重复执行与上述相同的操作,但是有一个技巧可能会更快。以下是每个子序列的第一个元素的索引:
>>> nonzero(r_[1, diff(t)[:-1]])
(array([0, 3, 5, 6, 7, 8]),)
请注意,它找到了3s的两个子序列和8s的两个子序列的开头:
[ 1,1,1,2,2,3,8,3,8,8]
因此,它与找到每个值的第一个匹配项略有不同。在您的程序中,您可以使用的排序版本t
来获得所需的内容:
>>> st = sorted(t)
>>> nonzero(r_[1, diff(st)[:-1]])
(array([0, 3, 5, 7]),)
r_
是什么吗?
vals, locs = np.unique(t, return_index=True)
您还可以将NumPy数组转换为空中列表并获取其索引。例如,
l = [1,2,3,4,5] # Python list
a = numpy.array(l) # NumPy array
i = a.tolist().index(2) # i will return index of 2
print i
它将打印1。
[find_list.index(index_list[i]) for i in range(len(index_list))]
find_list
为NumPy数组object
(或其他更合适的适当数组),然后执行即可find_arr[index_list]
。
只是添加了一个非常高性能和方便 麻巴替代基于np.ndenumerate
查找第一个索引:
from numba import njit
import numpy as np
@njit
def index(array, item):
for idx, val in np.ndenumerate(array):
if val == item:
return idx
# If no item was found return None, other return types might be a problem due to
# numbas type inference.
这非常快,并且自然可以处理多维数组:
>>> arr1 = np.ones((100, 100, 100))
>>> arr1[2, 2, 2] = 2
>>> index(arr1, 2)
(2, 2, 2)
>>> arr2 = np.ones(20)
>>> arr2[5] = 2
>>> index(arr2, 2)
(5,)
这可能比使用或的任何方法都要快得多(因为这会使操作短路)。np.where
np.nonzero
但是np.argwhere
也可以处理优雅与多维数组(您需要手动将它转换到一个元组和它不是短路),但如果没有找到匹配它会失败:
>>> tuple(np.argwhere(arr1 == 2)[0])
(2, 2, 2)
>>> tuple(np.argwhere(arr2 == 2)[0])
(5,)
@njit
是的简写,jit(nopython=True)
即函数将在首次运行时即时进行完全编译,以便完全删除Python解释器调用。
l.index(x)
返回最小的i,使i是列表中x首次出现的索引。
可以放心地假定index()
Python 中的函数已实现,以便在找到第一个匹配项后停止,从而获得最佳的平均性能。
为了找到在NumPy数组中的第一个匹配项之后停止的元素,请使用迭代器(ndenumerate)。
In [67]: l=range(100)
In [68]: l.index(2)
Out[68]: 2
NumPy数组:
In [69]: a = np.arange(100)
In [70]: next((idx for idx, val in np.ndenumerate(a) if val==2))
Out[70]: (2L,)
请注意,这两种方法index()
,并next
在未找到该元素,返回一个错误。使用next
,可以在找不到元素的情况下使用第二个参数返回一个特殊值,例如
In [77]: next((idx for idx, val in np.ndenumerate(a) if val==400),None)
NumPy(argmax
,where
和nonzero
)中还有其他函数可用于查找数组中的元素,但是它们都有缺点,即遍历整个数组以查找所有出现的元素,因此没有为查找第一个元素而进行优化。还需要注意的是where
,并nonzero
返回数组,所以你需要选择得到索引的第一个元素。
In [71]: np.argmax(a==2)
Out[71]: 2
In [72]: np.where(a==2)
Out[72]: (array([2], dtype=int64),)
In [73]: np.nonzero(a==2)
Out[73]: (array([2], dtype=int64),)
当搜索的项位于数组的开头(%timeit
在IPython shell中使用)时,仅检查大型数组的解决方案使用迭代器的解决方案会更快:
In [285]: a = np.arange(100000)
In [286]: %timeit next((idx for idx, val in np.ndenumerate(a) if val==0))
100000 loops, best of 3: 17.6 µs per loop
In [287]: %timeit np.argmax(a==0)
1000 loops, best of 3: 254 µs per loop
In [288]: %timeit np.where(a==0)[0][0]
1000 loops, best of 3: 314 µs per loop
另请参阅:Numpy:快速找到价值的第一个索引
%timeit next((idx for idx, val in np.ndenumerate(a) if val==99999))
?如果您想知道为什么它要慢1000倍,那是因为python在numpy数组上循环的速度非常慢。
argmax
,where
它们会更快(在数组末尾搜索元素)
对于一维排序数组,使用numpy.searchsorted返回NumPy整数(位置)会更加简单有效。例如,
arr = np.array([1, 1, 1, 2, 3, 3, 4])
i = np.searchsorted(arr, 3)
只要确保数组已经排序
还要检查返回的索引i是否实际上包含被搜索的元素,因为searchsorted的主要目的是查找应该在其中插入元素以保持顺序的索引。
if arr[i] == 3:
print("present")
else:
print("not present")
要根据任何条件建立索引,可以执行以下操作:
In [1]: from numpy import *
In [2]: x = arange(125).reshape((5,5,5))
In [3]: y = indices(x.shape)
In [4]: locs = y[:,x >= 120] # put whatever you want in place of x >= 120
In [5]: pts = hsplit(locs, len(locs[0]))
In [6]: for pt in pts:
.....: print(', '.join(str(p[0]) for p in pt))
4, 4, 0
4, 4, 1
4, 4, 2
4, 4, 3
4, 4, 4
这是一个快速执行list.index()的功能的函数,除非找不到该异常不会引发异常。当心-在大型阵列上这可能非常慢。如果您愿意将其用作方法,则可以将其修补到数组上。
def ndindex(ndarray, item):
if len(ndarray.shape) == 1:
try:
return [ndarray.tolist().index(item)]
except:
pass
else:
for i, subarray in enumerate(ndarray):
try:
return [i] + ndindex(subarray, item)
except:
pass
In [1]: ndindex(x, 103)
Out[1]: [4, 0, 3]
从np.where()中选择第一个元素的替代方法是将生成器表达式与枚举一起使用,例如:
>>> import numpy as np
>>> x = np.arange(100) # x = array([0, 1, 2, 3, ... 99])
>>> next(i for i, x_i in enumerate(x) if x_i == 2)
2
对于二维数组,可以这样做:
>>> x = np.arange(100).reshape(10,10) # x = array([[0, 1, 2,... 9], [10,..19],])
>>> next((i,j) for i, x_i in enumerate(x)
... for j, x_ij in enumerate(x_i) if x_ij == 2)
(0, 2)
这种方法的优势在于,它会在找到第一个匹配项后停止检查数组的元素,而np.where会检查所有元素是否匹配。如果数组中的早期匹配项,则生成器表达式会更快。
None
作为后备返回,则它将变为next((i for i, x_i in enumerate(x) if x_i == 2), None)
。
NumPy中有很多操作可以组合在一起完成。这将返回等于item的元素的索引:
numpy.nonzero(array - item)
然后,您可以使用列表的第一个元素来获得一个元素。
该numpy_indexed包(声明,我是它的作者)包含list.index为numpy.ndarray的矢量相当于; 那是:
sequence_of_arrays = [[0, 1], [1, 2], [-5, 0]]
arrays_to_query = [[-5, 0], [1, 0]]
import numpy_indexed as npi
idx = npi.indices(sequence_of_arrays, arrays_to_query, missing=-1)
print(idx) # [2, -1]
该解决方案具有矢量化的性能,可推广到ndarrays,并具有多种处理缺失值的方法。
注意:这是针对python 2.7版本的
您可以使用lambda函数来解决此问题,并且它对NumPy数组和列表均有效。
your_list = [11, 22, 23, 44, 55]
result = filter(lambda x:your_list[x]>30, range(len(your_list)))
#result: [3, 4]
import numpy as np
your_numpy_array = np.array([11, 22, 23, 44, 55])
result = filter(lambda x:your_numpy_array [x]>30, range(len(your_list)))
#result: [3, 4]
你可以使用
result[0]
获取过滤元素的第一个索引。
对于python 3.6,请使用
list(result)
代替
result
<filter object at 0x0000027535294D30>
Python 3上进行(在Python 3.6.3上测试)。也许针对Python 3进行了更新?