如何在numpy中将布尔数组转换为索引数组

有没有一种有效的Numpy机制，可以根据条件为true而不是布尔掩码数组来检索数组中位置的整数索引？

例如：

x=np.array([range(100,1,-1)])
#generate a mask to find all values that are a power of 2
mask=x&(x-1)==0
#This will tell me those values
print x[mask]

在这种情况下，我想知道指标i的mask地方mask[i]==True。是否可以生成这些而不循环？

python arrays numpy

— 丰富
source

Answers:

另外的选择：

In [13]: numpy.where(mask)
Out[13]: (array([36, 68, 84, 92, 96, 98]),)

这与numpy.where(mask==True)。

— 史蒂夫·乔亚
source

或类似地，如果您始终具有一维数组：numpy.flatnonzero(mask)

— christianbrodbeck

您应该可以使用numpy.nonzero()该信息。

— aganders3
source

使用numpy.nonzero（）[0]，否则您将获得两个数组。一个带有索引，另一个带有值。如果要使用索引继续，则更容易。它只为您提供带有索引的数组。

— 佛罗里达州男子

@FloridaMan：numpy.nonzero不提供具有值数组的元组作为第二个组件。如果布尔数组是多维的，则使用元组。在文档中：“返回一个数组元组，每个维[…]一个。”

— equaeghe

如果您更喜欢使用索引器方式，则可以将布尔列表转换为numpy数组：

print x[nd.array(mask)]

— 塞尔希
source

np.arange(100,1,-1)
array([100,  99,  98,  97,  96,  95,  94,  93,  92,  91,  90,  89,  88,
        87,  86,  85,  84,  83,  82,  81,  80,  79,  78,  77,  76,  75,
        74,  73,  72,  71,  70,  69,  68,  67,  66,  65,  64,  63,  62,
        61,  60,  59,  58,  57,  56,  55,  54,  53,  52,  51,  50,  49,
        48,  47,  46,  45,  44,  43,  42,  41,  40,  39,  38,  37,  36,
        35,  34,  33,  32,  31,  30,  29,  28,  27,  26,  25,  24,  23,
        22,  21,  20,  19,  18,  17,  16,  15,  14,  13,  12,  11,  10,
         9,   8,   7,   6,   5,   4,   3,   2])

x=np.arange(100,1,-1)

np.where(x&(x-1) == 0)
(array([36, 68, 84, 92, 96, 98]),)

现在改成这样：

x[x&(x-1) == 0]

— 用户名
source

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.

Licensed under cc by-sa 3.0 with attribution required.