Cela peut être normal pour un pythoniste professionnel, Il me faut du temps pour comprendre Si je pouvais le comprendre, j'ai été impressionné par sa force. .. .. Parce que. .. ..
Déterminer si chaque élément satisfait ou non à la condition en tant que matrice, Le résultat True / False est généré sous forme de matrice de la même forme.
arr = np.array([[0,1,2,3],[0,2,4,6]])
print(arr<3)
# [[ True True True False]
# [ True True False False]]
numpy.nonzero Il obtient l'index de l'élément non nul de la matrice et le produit sous la forme d'un tableau ndarray séparé x, y.
#Exemple de définition
arr_int = np.array([[3,5,0],[0,4,0]])
arr_bool = np.array([[True,True,False],[False,True, False]])
# np.Utilisation d'une valeur différente de zéro
nonzero_int_row, nonzero_int_column = np.nonzero(arr_int)
nonzero_bool_row, nonzero_bool_column = np.nonzero(arr_bool)
#Valeur de chaque variable
# row: array([0, 0, 1])
# column: array([0, 1, 1]))
Dans cet exemple, arr [0,0], arr [0,1], arr [1,1] ne sont pas 0, c'est donc le résultat.
arr = np.array([[0,1,2,3],[0,2,4,6]])
arr_bool = arr<3
nonzero_row, nonzero_column = np.nonzero(arr_bool)
# row: [0 0 0 1 1]
# column: [0 1 2 0 1]
J'ai un commentaire! Cela signifie que np.where a la même fonction et est pratique! Pourquoi le site que je cherchais n'a-t-il pas utilisé cela ...
Recommended Posts