np.nonzero函數是numpy中用于得到數組array中非零元素的位置（數組索引）的函數。

返回數組a中非零元素的索引值數組。

（1）只有a中非零元素才會有索引值，那些零值元素沒有索引值；
（2）返回的索引值數組是一個2維tuple數組，該tuple數組中包含一維的array數組。其中，一維array向量的個數與a的維數是一致的。
（3）索引值數組的每一個array均是從一個維度上來描述其索引值。比如，如果a是一個二維數組，則索引值數組有兩個array，第一個array從行維度來描述索引值；第二個array從列維度來描述索引值。
（4） 該np.transpose(np.nonzero(x))函數能夠描述出每一個非零元素在不同維度的索引值。
（5）通過a[nonzero(a)]得到所有a中的非零值

>>> a=[[1,2],[0,3]] >>> a=np.array(a) >>> a[np.nonzero(a)] array([1, 2, 3]) #a是1維數組 a = [0,2,3] b = np.nonzero(a) print(np.array(b).ndim) print(b)結果： 2 (array([1, 2], dtype=int64),) 說明：索引1和索引2的位置上元素的值非零。#a是2維數組 a = np.array([[0,0,3],[0,0,0],[0,0,9]]) b = np.nonzero(a) print(np.array(b).ndim) print(b) print(np.transpose(np.nonzero(a))) 結果： 2 (array([0, 2], dtype=int64), array([2, 2], dtype=int64)) [[0 2][2 2]] 說明： （1）a中有2個非零元素，因此，索引值tuple中array的長度為2。因為，只有非零元素才有索引值。 （2）索引值數組是2 維的。實際上，無論a的維度是多少，索引值數組一定是2維的tuple，但是tuple中的一維array個數和a的維數一致。 （3）第1個array([0, 2])是從row值上對3和9進行的描述 。第2個array([2, 2])是從col值上對3和9的描述。這樣，從行和列上兩個維度上各用一個數組來描述非零索引值。 （4）通過調用np.transpose()函數，得出3的索引值是[0 2] ，即第0行，第2列。#a是3維數組 a = np.array([[[0,1],[1,0]],[[0,1],[1,0]],[[0,0],[1,0]]]) b = np.nonzero(a) print(np.array(b).ndim) print(b) 結果： 2 (array([0, 0, 1, 1, 2], dtype=int64), array([0, 1, 0, 1, 1], dtype=int64), array([1, 0, 1, 0, 0], dtype=int64)) 說明：由于a是3維數組，因此，索引值數組有3個一維數組。 print(a) [[[0 1][1 0]][[0 1][1 0]][[0 0][1 0]]]a的數組結構如上所示，請將a想像為數量為3的一組小圖片，每張圖片的大小為2*2，下文中以num * row * col來分別表示其維度。b包含3個長度為5的array，這意味著a有3維，且a共有5個非0值。先說b中的第1個向量是[0, 0, 1, 1, 2]，這實際是a在num維度上描述的非零值。第0張圖上有2個非零值，第1張圖上有2個非零值，第2張圖上有1個非零值。因此在num維度上的非零值數組為[0, 0, 1, 1, 2]。b中的第2個向量是[0, 1, 0, 1, 1]，這實際是a在row維度上描述的非零值。由于row上的值只有0和1（只2行），所以只由0和1組成。b中的第3個向量，聰明的讀者可能已經明白，不再贅述。

注：數組索引值從0開始。

總結

以上是生活随笔為你收集整理的np.nonzero()函数的解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。