numpy.where 返回元组的目的是什么？

Question

当我运行这段代码时：

 import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
print(np.where(a > 2))

很自然地得到一个索引数组，其中 a > 2 ，即 [2, 3, 4, 5] ，但我们得到：

 (array([2, 3, 4, 5], dtype=int64),)

即第二个成员为空的元组。

然后，要获得 numpy.where 的“自然”答案，我们必须这样做：

 np.where(a > 2)[0]

这个元组有什么意义？在什么情况下有用？

注意：我在这里只谈论用例 numpy.where(cond) 而不是 numpy.where(cond, x, y) 也存在（参见文档）。

原文由 Basj 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

numpy.where 返回一个元组，因为元组的每个元素都指向一个维度。

在二维中考虑这个例子：

 a = np.array([[1, 2, 3, 4, 5, 6],
              [-2, 1, 2, 3, 4, 5]])

print(np.where(a > 2))

(array([0, 0, 0, 0, 1, 1, 1], dtype=int64),
 array([2, 3, 4, 5, 3, 4, 5], dtype=int64))

如您所见，元组的第一个元素是指相关元素的第一个维度；第二个元素是指第二个维度。

这是一个约定 numpy 经常使用。当您询问数组的形状时，您也会看到它，即一维数组的形状将返回具有 1 个元素的元组：

 a = np.array([[1, 2, 3, 4, 5, 6],
              [-2, 1, 2, 3, 4, 5]])

print(a.shape, a.ndim)  # (2, 6) 2

b = np.array([1, 2, 3, 4, 5, 6])

print(b.shape, b.ndim)  # (6,) 1

原文由 jpp 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

来自 np.where 的文档

如果仅给出条件，则返回元组 condition.nonzero()，条件为 True 的索引

所以我们查看 “np.nonzero” 的文档

返回一个数组元组，一个对应于 a 的每个维度，包含该维度中非零元素的索引。 a 中的值始终按行优先、C 样式顺序进行测试和返回。可以通过以下方式获得相应的非零值：

那么这 对 np.where/np.nonzero 返回数组元组有何用处？我认为这与 索引多维数组 有关。

如果 我们有

y = np.arange(35).reshape(5,7)

我们可以做的

y[np.array([0,2,4]), np.array([0,1,2])]

选择 y[0, 0] ， y[2, 1] ， y[4, 2] 。

在这种情况下，如果索引数组具有匹配的形状，并且被索引数组的每个维度都有一个索引数组，则结果数组具有与索引数组相同的形状，并且值对应于每个索引集在索引数组中的位置。在此示例中，两个索引数组的第一个索引值都是 0，因此结果数组的第一个值是 y[0,0]。下一个值是 y[2,1]，最后一个是 y[4,2]。

希望索引多维数组能够证明 np.nonzero/np.where 返回一个数组元组，以便稍后可以使用它来选择元素。

原文由 Tai 发布，翻译遵循 CC BY-SA 4.0 许可协议