NumPy中np.nonzero()函数用法详解：获取非零元素索引

np.nonzero函数是NumPy库中用于定位数组中非零元素位置（即数组索引）的关键工具。虽然通过help(np.nonzero)可以查看官方解析与示例，但因其示例多为英文缩写，阅读门槛较高。为此，本文将该函数的英文解释翻译并转化为中文，旨在降低理解难度，便于开发者掌握。

函数解释

np.nonzero(a)

该函数返回数组a中所有非零元素的索引值数组。

（1）仅当元素为非零值时，才会生成对应的索引值；零值元素不会出现在返回结果中。

（2）返回的索引值数组是一个二维元组（tuple），该元组内部包含若干个一维数组（array）。其中，一维数组的数量与输入数组a的维度数完全一致。

（3）返回结果中的每一个一维数组，分别从单一维度描述索引信息。例如，若a为二维数组，则返回的元组包含两个一维数组：第一个数组描述行索引，第二个数组描述列索引。

（4）使用np.transpose(np.nonzero(x))

该操作能够将每个非零元素在不同维度上的索引值进行组合，从而清晰展示每个非零元素的具体多维坐标。

（5）通过表达式a[nonzero(a)]可以直接提取出数组a中的所有非零值。

#a是1维数组 a = [0,2,3] b = np.nonzero(a) print(np.array(b).ndim) print(b)

结果： 2 (array([1, 2], dtype=int64),)

说明：索引1和索引2对应的元素值非零。

#a是2维数组 a = np.array([[0,0,3],[0,0,0],[0,0,9]]) b = np.nonzero(a) print(np.array(b).ndim) print(b) print(np.transpose(np.nonzero(a)))

结果： 2 (array([0, 2], dtype=int64), array([2, 2], dtype=int64)) [[0 2] [2 2]]

说明：

（1）数组a中共有2个非零元素，因此返回的元组中每个数组的长度均为2。这是因为只有非零元素才拥有索引值。

（2）返回的索引数组整体呈现为2维结构。无论输入数组a的维度如何，返回结果始终是一个包含多个一维数组的2维元组，且元组内一维数组的个数等于a的维度数。

（3）第一个数组array([0, 2])描述了数值3和9所在的行索引；第二个数组array([2, 2])描述了它们所在的列索引。这种结构通过行和列两个维度分别用数组来描述非零索引值。

（4）通过调用np.transpose()函数，可以将行列索引配对，得出数值3的索引坐标为[0 2]，即第0行、第2列。

#a是3维数组

a = np.array([[[0,0],[1,0]],[[0,0],[1,0]],[[0,0],[1,0]]]) b = np.nonzero(a) print(np.array(b).ndim) print(b)

结果：

2 (array([0, 1, 2], dtype=int64), array([1, 1, 1], dtype=int64), array([0, 0, 0], dtype=int64))

说明：由于a是3维数组，因此返回的索引值数组包含3个一维数组，分别对应三个维度的索引。

注：数组索引值从0开始计数。

以上关于NumPy中np.nonzero()函数用法的详解内容到此结束，希望能为读者提供有价值的参考。欢迎支持本站，获取更多技术分享。