如何在Python中的二维数组中找到值的索引？

Question

我需要弄清楚如何在 2d numpy 数组中找到一个值的所有索引。

例如，我有以下二维数组：

([[1 1 0 0],
  [0 0 1 1],
  [0 0 0 0]])

我需要找到所有 1 和 0 的索引。

1: [(0, 0), (0, 1), (1, 2), (1, 3)]
0: [(0, 2), (0, 3), (1, 0), (1, 1), (the entire all row)]

我试过这个，但它没有给我所有的索引：

t = [(index, row.index(1)) for index, row in enumerate(x) if 1 in row]

基本上，它只给我每行[(0, 0), (1, 2)]一个索引。

Answer 1

您可以使用np.where返回 x 和 y 索引数组的元组，其中给定条件在数组中成立。

如果a是数组的名称：

>>> np.where(a == 1)
(array([0, 0, 1, 1]), array([0, 1, 2, 3]))

如果你想要一个 (x, y) 对的列表，你可以zip这两个数组：

>>> zip(*np.where(a == 1))
[(0, 0), (0, 1), (1, 2), (1, 3)]

或者，更好的是，@jme 指出np.asarray(x).T可以是一种更有效的生成对的方法。

Answer 2

您提供的列表理解的问题在于它只深入一层，您需要一个嵌套的列表理解：

a = [[1,0,1],[0,0,1], [1,1,0]]

>>> [(ix,iy) for ix, row in enumerate(a) for iy, i in enumerate(row) if i == 0]
[(0, 1), (1, 0), (1, 1), (2, 2)]

话虽如此，如果您使用的是 numpy 数组，最好使用 ajcr 建议的内置函数。

Answer 3

使用 numpy， argwhere可能是最好的解决方案：

import numpy as np

array = np.array([[1, 1, 0, 0],
                  [0, 0, 1, 1],
                  [0, 0, 0, 0]])

solutions = np.argwhere(array == 1)
print(solutions)

>>>
[[0 0]
 [0 1]
 [1 2]
 [1 3]]