使用 numpy 查找矩陣中哪些行的所有元素都為零

Question

我有一個大的numpy矩陣M 。 矩陣的某些行的所有元素都為零，我需要獲取這些行的索引。 我正在考慮的天真的方法是遍歷矩陣中的每一行，然后檢查每個元素。 但是，我認為使用numpy有更好更快的方法來完成此任務。 我希望你能幫忙！

Answer 1

這是一種方法。 我假設已經使用import numpy as np 。

In [20]: a
Out[20]: 
array([[0, 1, 0],
       [1, 0, 1],
       [0, 0, 0],
       [1, 1, 0],
       [0, 0, 0]])

In [21]: np.where(~a.any(axis=1))[0]
Out[21]: array([2, 4])

這是這個答案的輕微變化： 如何檢查矩陣包含零列？

這是發生了什么：

如果數組中的任何值是“真”，則any方法返回 True。 非零數被認為是 True，0 被認為是 False。 通過使用參數axis=1 ，該方法應用於每一行。 對於示例a ，我們有：

In [32]: a.any(axis=1)
Out[32]: array([ True,  True, False,  True, False], dtype=bool)

因此，每個值指示相應行是否包含非零值。 ~運算符是二進制“非”或補碼：

In [33]: ~a.any(axis=1)
Out[33]: array([False, False,  True, False,  True], dtype=bool)

（給出相同結果的另一種表達式是(a == 0).all(axis=1) 。）

要獲取行索引，我們使用where函數。 它返回參數為 True 的索引：

In [34]: np.where(~a.any(axis=1))
Out[34]: (array([2, 4]),)

請注意， where返回了一個包含單個數組的元組。 where適用於 n 維數組，因此它始終返回一個元組。 我們想要該元組中的單個數組。

In [35]: np.where(~a.any(axis=1))[0]
Out[35]: array([2, 4])

Answer 2

如果元素是int(0)則接受的答案有效。 如果要查找所有值為 0.0（浮點數）的行，則必須使用np.isclose() ：

print(x)
# output
tensor([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 1., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         1., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
])
np.where(np.all(np.isclose(labels, 0), axis=1))
(array([ 0, 3]),)

注意：這也適用於 PyTorch 張量，當您想找到歸零的多熱編碼向量時，這非常有用。

Answer 3

使用np.sum解決方案，
如果您想使用閾值，則很有用

a = np.array([[1.0, 1.0, 2.99],
          [0.0000054, 0.00000078, 0.00000232],
          [0, 0, 0],
          [1, 1, 0.0],
          [0.0, 0.0, 0.0]])
print(np.where(np.sum(np.abs(a), axis=1)==0)[0])
>>[2 4]
print(np.where(np.sum(np.abs(a), axis=1)<0.0001)[0])
>>[1 2 4]  

使用np.prod檢查行是否包含至少一個零元素

print(np.where(np.prod(a, axis=1)==0)[0])
>>[2 3 4]

Answer 4

a =  numpy.array([[10,0],[0,0],[0,10]])
isZero = numpy.all(a == 0, axis=1)
deleteFullZero = a[~numpy.all(a== 0, axis=1)] 
#isZero >> [False True False]
#deleteFullZero >> [[10 0][0,10]]