如何在2D数组上获得与numpy.where相同的结果，而又没有从同一行获取2个索引

Question

我有一个带有布尔值的numpy数组：

bool_array.shape
Out[84]: (78, 8)

bool_array.dtype
Out[85]: dtype('bool')

我想找到第二维为True的索引：

bool_array[30:35]
Out[87]: 
array([[False, False, False, False,  True, False, False, False],
       [ True, False, False, False,  True, False, False, False],
       [False, False, False, False, False,  True, False, False],
       [ True, False, False, False, False, False, False, False],
       [ True, False, False, False, False, False, False, False]], dtype=bool)

我一直在使用numpy.where来执行此操作，但是有时在第二维上具有True值的索引不止1个。

我想找到一种方法来获得与numpy.where相同的结果，但要避免在同一行中有2个索引：

np.where(bool_array)[0][30:35]
Out[88]: array([30, 31, 31, 32, 33])

我目前通过遍历numpy.where的结果来解决此问题，找到哪些n个索引等于n-1，然后使用numpy.delete删除不需要的索引。

我想知道是否有更直接的方法来获得所需的结果。

笔记：

• 我使用的布尔数组的行始终至少具有1个True值。
• 我不在乎True值是哪个倍数，我只在乎只有1。

Answer 1

IIUC，并且鉴于每行至少有一个TRUE元素，您可以简单地沿第二个轴使用np.argmax来选择每行的第一个TRUE元素，如下所示-

col_idx = bool_array.argmax(1)

样品运行-

In [246]: bool_array
Out[246]: 
array([[ True,  True,  True,  True, False],
       [False, False,  True,  True, False],
       [ True,  True, False, False,  True],
       [ True,  True, False, False,  True]], dtype=bool)

In [247]: np.where(bool_array)[0]
Out[247]: array([0, 0, 0, 0, 1, 1, 2, 2, 2, 3, 3, 3])

In [248]: np.where(bool_array)[1]
Out[248]: array([0, 1, 2, 3, 2, 3, 0, 1, 4, 0, 1, 4])

In [249]: bool_array.argmax(1)
Out[249]: array([0, 2, 0, 0])

说明-

对应于np.where(bool_array)[0]输出的重复项，即：

array([0, 0, 0, 0, 1, 1, 2, 2, 2, 3, 3, 3])

，我们需要从np.where(bool_array)[1]的输出中选择任何人，即：

array([0, 1, 2, 3, 2, 3, 0, 1, 4, 0, 1, 4])
       ^           ^     ^        ^ 

因此，使用bool_array.argmax(1)从每一行中选择第一个True会给我们：

array([0, 2, 0, 0])

Answer 2

您可以在结果数组上调用np.unique ，如下所示：

>>> np.where(bool_array)[0][30:35]
Out[4]: array([0, 1, 1, 2, 3, 4])
>>> np.unique(np.where(bool_array)[0][30:35])
Out[5]: array([0, 1, 2, 3, 4])