在Numpy中查找非零值/索引

Question

我有一個很大的numpy數組，其形狀為（12388，4）。 前兩個值是坐標，后兩個鍵值。 其中一些為零。 我想篩選整個數組，並找到其中后兩個值都不為零的所有索引。 我的代碼如下所示：

slice_index,_ = np.where((slice[:,2:4]!=0))
slice_nonzero_values = slice[slice_index]

所得數組slice_nonzero_values的形狀為（18550,4）。 因此，一定有問題，因為結果數組比原始數組大。 看着csv，我發現如果slice [：，2]和slice [：，3]都不為零，則np.where會多次返回相同的索引。 因此，我嘗試了includenp.unique：

slice_index,_ = np.where((slice[:,2:4]!=0))
slice_index_unique = np.unique(slice_index)
slice_nonzero_values = slice[slice_index_unique]

這導致形狀為（9669，4）。 看起來好多了。 但是，為了確保現在一切正常，我進行了以下循環：

    test = []
    test_index = []
    for index, i in enumerate(slice):
        if i[2]!=0 or i[3]!=0:
            test.append(i)
            test_index.append(index)
    test = np.array(test)
    test_index = np.array(test_index)

該循環導致形狀為（8881，4）的陣列測試。 現在，我完全困惑兩種方法中的哪一種是正確的。 根據循環的邏輯，測試數組必須是最嚴格的。 但是，這只是字面量的切片數組。 我不能離開循環。 總結一下：我想過濾切片數組，並獲取最后兩列中任一列均具有非零值的所有條目。 換句話說，如果兩個值（slice [：，2]和slice [：，3]）均為零，則該行退出。 如果它們中只有一個為零，而另一個不是零，那很好。

這是切片數組的示例：

   array([[0.01032591, 0. , 0.               , 0.        ],
   [0.03256559, 0.00890732, 5.0000000e+00    , 0.        ],
   [0.0468626 , 0.01543951, 0.               , 0.        ],
   ...,
   [0.13899946, 0.8847985 , 0.               , 0.        ],
   [0.13899946, 0.8847985 , 4.0000000e+00    , 5.3900000e+02],
   [0.13899946, 0.8847985 , 0.               , 0.        ]], dtype=float32)

Answer 1

這是一個工作示例。 創建測試數據：

import numpy as np

X = np.random.rand(10,4)
X = np.vstack([X, np.zeros([2,4])])

>>> X
array([[0.09889965, 0.01169015, 0.30886119, 0.40204571],
       [0.67277149, 0.01654403, 0.17710642, 0.54201684],
       # ...
       [0.        , 0.        , 0.        , 0.        ],
       [0.        , 0.        , 0.        , 0.        ]])

查找向量的最后兩個數字都不為零：

idx = np.where(np.sum(X[:,2:], axis=1) != 0)[0]

# alternatively, use np.any
idx = np.where(np.any(X[:,2:], axis=1))[0]

檢索過濾的向量：

X_none_zeros = X[idx]

>>> X_none_zeros
array([[0.09889965, 0.01169015, 0.30886119, 0.40204571],
       # ...
       [0.78279739, 0.84191242, 0.31685306, 0.54906034]])

>>> X_none_zeros.shape
(10, 4)

>>> X.shape
(12, 4)

---

說明：實際的代碼只有兩行：

# retrieve last 2 numbers for each vector in X
# and sum each vector horizontally, so you have 
# [s1, s2, s3, ...]
# use the condition to filter indexes
idx = np.where(np.sum(X[:,2:], axis=1) != 0)[0]
# retrieve matched vectors accordingly
X_none_zeros = X[idx]