>>> import numpy as np
>>> x = np.arange(100) # x = array([0, 1, 2, 3, ... 99])
>>> next(i for i, x_i in enumerate(x) if x_i == 2)
2
对于二维数组,可以这样做:
>>> x = np.arange(100).reshape(10,10) # x = array([[0, 1, 2,... 9], [10,..19],])
>>> next((i,j) for i, x_i in enumerate(x)
... for j, x_ij in enumerate(x_i) if x_ij == 2)
(0, 2)
l = [1,2,3,4,5] # Python list
a = numpy.array(l) # NumPy array
i = a.tolist().index(2) # i will return index of 2
print i
它将打印1 .
1
要对任何条件进行索引,您可以执行以下操作:
In [1]: from numpy import *
In [2]: x = arange(125).reshape((5,5,5))
In [3]: y = indices(x.shape)
In [4]: locs = y[:,x >= 120] # put whatever you want in place of x >= 120
In [5]: pts = hsplit(locs, len(locs[0]))
In [6]: for pt in pts:
.....: print(', '.join(str(p[0]) for p in pt))
4, 4, 0
4, 4, 1
4, 4, 2
4, 4, 3
4, 4, 4
In [285]: a = np.arange(100000)
In [286]: %timeit next((idx for idx, val in np.ndenumerate(a) if val==0))
100000 loops, best of 3: 17.6 µs per loop
In [287]: %timeit np.argmax(a==0)
1000 loops, best of 3: 254 µs per loop
In [288]: %timeit np.where(a==0)[0][0]
1000 loops, best of 3: 314 µs per loop
from numba import njit
import numpy as np
@njit
def index(array, item):
for idx, val in np.ndenumerate(array):
if val == item:
return idx
# If no item was found return None, other return types might be a problem due to
# numbas type inference.
13 回答
对于一维 sorted 数组,使用numpy.searchsorted返回NumPy整数(位置)会更加简单和有效O(log(n)) . 例如,
只需确保数组已经排序
同时检查返回的索引i是否实际包含搜索的元素,因为searchsorted的主要目标是查找应插入元素以保持顺序的索引 .
numpy_indexed包(免责声明,我是它的作者)包含了numpy.ndarray的矢量化等效list.index;那是:
该解决方案具有矢量化性能,推广到ndarray,并具有处理缺失值的各种方法 .
从np.where()中选择第一个元素的另一种方法是使用生成器表达式和枚举,例如:
对于二维数组,可以这样做:
这种方法的优点是它在找到第一个匹配后停止检查数组的元素,而np.where检查所有元素是否匹配 . 如果数组中的早期匹配,则生成器表达式会更快 .
如果您打算将其用作其他内容的索引,则可以使用布尔索引(如果数组是可广播的);你不需要明确的指数 . 绝对最简单的方法是简单地根据真值进行索引 .
任何布尔运算都有效:
非零方法也需要布尔值:
两个零用于索引的元组(假设first_array是1D),然后是索引数组中的第一个项 .
对于1D阵列,我建议使用
np.flatnonzero(array == value)[0]
,这相当于np.nonzero(array == value)[0][0]
和np.where(array == value)[0][0]
,但避免了取消装箱1元素元组的丑陋 .Note: this is for python 2.7 version
您可以使用lambda函数来处理问题,并且 it works both on NumPy array and list.
你可以使用
获取过滤元素的第一个索引 .
对于python 3.6,请使用
代替
您还可以将NumPy数组转换为空中列表并获取其索引 . 例如,
它将打印1 .
要对任何条件进行索引,您可以执行以下操作:
这里有一个快速的函数来执行list.index()所做的事情,除非没有找到它会引发异常 . 注意 - 这在大型阵列上可能非常慢 . 如果你宁愿将它作为一种方法使用,你可以将其修补到数组上 .
l.index(x)
返回最小的i,使得i是列表中第一次出现x的索引 .可以安全地假设Python中的
index()
函数已经实现,以便在找到第一个匹配后停止,这样可以获得最佳的平均性能 .要查找在NumPy数组中第一次匹配后停止的元素,请使用迭代器(ndenumerate) .
NumPy数组:
请注意,如果找不到元素,则两个方法
index()
和next
都会返回错误 . 使用next
,可以使用第二个参数在未找到元素的情况下返回特殊值,例如NumPy中有其他函数(
argmax
,where
和nonzero
),可用于查找数组中的元素,但它们都有缺点,即遍历整个数组查找所有出现的内容,因此未针对查找所有实例进行优化 . 第一要素 . 另请注意where
和nonzero
返回数组,因此您需要选择第一个元素来获取索引 .时间比较
只检查大型数组,当搜索项位于数组的开头时(使用IPython shell中的
%timeit
),使用迭代器的解决方案会更快:这是一个开放的NumPy GitHub issue .
另见:Numpy: find first index of value fast
是的,这是给出NumPy数组
array
和值item
的答案,用于搜索:结果是一个元组,首先是所有行索引,然后是所有列索引 .
例如,如果一个数组是两个维度,那么它包含您在两个位置的项目
将等于你的项目,所以会
numpy.where
NumPy中有许多操作可能可以组合起来完成此操作 . 这将返回等于item的元素索引:
然后,您可以使用列表的第一个元素来获取单个元素 .
如果你需要第一次出现 only one value 的索引,你可以使用
nonzero
(或where
,在这种情况下相同的东西):如果你需要每个 many values 的第一个索引,你显然可以反复做同样的事情,但有一个技巧可能会更快 . 以下查找第一个的索引每个子序列的元素:
请注意,它找到3的子序列的开始和8s的两个子序列:
[ 1 ,1,1, 2 ,2, 3 , 8 , 3 , 8 ,8]
所以它与找到每个值的第一次出现略有不同 . 在您的程序中,您可以使用
t
的排序版本来获得您想要的内容:只是为了找到第一个索引,添加一个非常高效且方便的numba备选方案,基于np.ndenumerate:
这非常快,并且可以自然地处理多维数组:
这可能是 much faster (因为它使操作短路)比使用
np.where
或np.nonzero
的任何方法都要好 .但是np.argwhere也可以优雅地处理多维数组(你需要手动将它转换为元组 and 它没有短路)但是如果找不到匹配则会失败: