我知道 Python 列表有一种方法可以返回某物的第一个索引：
>>> l = [1, 2, 3]
>>> l.index(2)
1
NumPy 数组有类似的东西吗？
Casey
问问题
859134 次
17 回答
643
是的，给定一个数组 ,array和一个item要搜索的值，您可以np.where用作：
itemindex = numpy.where(array==item)
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，如果一个数组是二维的，并且它在两个位置包含您的项目，那么
array[itemindex[0][0]][itemindex[1][0]]
将等于您的项目，因此将是：
array[itemindex[0][1]][itemindex[1][1]]
于 2009-01-11T03:12:03.070 回答
84
如果您只需要一个值的第一次出现的索引，您可以使用nonzero（或where，在这种情况下相当于同一件事）：
>>> t = array([1, 1, 1, 2, 2, 3, 8, 3, 8, 8])
>>> nonzero(t == 8)
(array([6, 8, 9]),)
>>> nonzero(t == 8)[0][0]
6
如果您需要许多值中的每一个的第一个索引，您显然可以重复上述操作，但有一个技巧可能更快。下面找到每个子序列的第一个元素的索引：
>>> nonzero(r_[1, diff(t)[:-1]])
(array([0, 3, 5, 6, 7, 8]),)
请注意，它找到了 3s 的两个子序列和 8s 的两个子序列的开头：
[ 1、1、1、2、2、3、8、3、8、8 ] _ _ _ _ _ _ _ _ _ _
所以它与查找每个值的第一次出现略有不同。在您的程序中，您可以使用排序版本t来获得您想要的：
>>> st = sorted(t)
>>> nonzero(r_[1, diff(st)[:-1]])
(array([0, 3, 5, 7]),)
于 2009-06-25T15:01:00.150 回答
65
您还可以将 NumPy 数组转换为空中列表并获取其索引。例如，
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。
于 2014-06-02T12:47:58.183 回答
28
只是为了添加一个非常高效且方便的numba替代方案，np.ndenumerate以查找第一个索引：
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.
这非常快，并且可以自然地处理多维数组：
>>> arr1 = np.ones((100, 100, 100))
>>> arr1[2, 2, 2] = 2
>>> index(arr1, 2)
(2, 2, 2)
>>> arr2 = np.ones(20)
>>> arr2[5] = 2
>>> index(arr2, 2)
(5,)
这可能比使用or的任何方法快得多（因为它使操作短路）。np.wherenp.nonzero
然而np.argwhere，也可以优雅地处理多维数组（您需要手动将其转换为元组并且它没有短路），但如果找不到匹配项，它将失败：
>>> tuple(np.argwhere(arr1 == 2)[0])
(2, 2, 2)
>>> tuple(np.argwhere(arr2 == 2)[0])
(5,)
于 2017-01-10T21:19:57.037 回答
17
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index()Python 中的函数已实现，以便在找到第一个匹配项后停止，这会导致最佳平均性能。
要在 NumPy 数组中的第一个匹配项后查找停止的元素，请使用迭代器 ( ndenumerate )。
In [67]: l=range(100)
In [68]: l.index(2)
Out[68]: 2
NumPy 数组：
In [69]: a = np.arange(100)
In [70]: next((idx for idx, val in np.ndenumerate(a) if val==2))
Out[70]: (2L,)
请注意，如果找不到元素，这两种方法都会返回错误index()。next使用next，可以使用第二个参数返回一个特殊值，以防找不到元素，例如
In [77]: next((idx for idx, val in np.ndenumerate(a) if val==400),None)
NumPy 中还有其他函数（argmax、where和nonzero）可用于查找数组中的元素，但它们都有一个缺点，即遍历整个数组来查找所有出现的元素，因此没有针对查找第一个元素进行优化。还要注意where并nonzero返回数组，因此您需要选择第一个元素来获取索引。
In [71]: np.argmax(a==2)
Out[71]: 2
In [72]: np.where(a==2)
Out[72]: (array([2], dtype=int64),)
In [73]: np.nonzero(a==2)
Out[73]: (array([2], dtype=int64),)
时间比较
只需检查对于大型数组，当搜索项位于数组的开头（%timeit在 IPython shell 中使用）时，使用迭代器的解决方案会更快：
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
这是一个开放的NumPy GitHub 问题。
另请参阅：Numpy：快速找到第一个值索引
于 2017-05-06T14:12:30.553 回答
15
如果您打算将其用作其他内容的索引，则如果数组是可广播的，则可以使用布尔索引；您不需要显式索引。最简单的方法是简单地基于真值进行索引。
other_array[first_array == item]
任何布尔运算都有效：
a = numpy.arange(100)
other_array[first_array > 50]
非零方法也接受布尔值：
index = numpy.nonzero(first_array == item)[0][0]
两个零用于索引元组（假设 first_array 是 1D），然后是索引数组中的第一项。
于 2009-01-11T03:52:49.850 回答
13
对于一维排序数组，使用返回 NumPy 整数（位置）的numpy.searchsorted会更加简单和高效 O(log(n) )。例如，
arr = np.array([1, 1, 1, 2, 3, 3, 4])
i = np.searchsorted(arr, 3)
只要确保数组已经排序
还要检查返回的索引 i 是否实际上包含搜索的元素，因为 searchsorted 的主要目标是找到应该插入元素以保持顺序的索引。
if arr[i] == 3:
print("present")
else:
print("not present")
于 2018-04-17T10:28:52.353 回答
6
要根据任何标准编制索引，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
这里有一个快速函数来完成 list.index() 所做的事情，除非没有找到它不会引发异常。当心——这在大型阵列上可能非常慢。如果您愿意将其用作方法，您可能可以将其修补到数组上。
def ndindex(ndarray, item):
if len(ndarray.shape) == 1:
try:
return [ndarray.tolist().index(item)]
except:
pass
else:
for i, subarray in enumerate(ndarray):
try:
return [i] + ndindex(subarray, item)
except:
pass
In [1]: ndindex(x, 103)
Out[1]: [4, 0, 3]
于 2009-01-11T02:04:27.730 回答
5
对于一维数组，我建议使用np.flatnonzero(array == value)[0]，它等效于两者np.nonzero(array == value)[0][0]，np.where(array == value)[0][0]但避免了拆箱 1 元素元组的丑陋。
于 2017-02-05T07:41:00.187 回答
4
NumPy 中有很多操作可以放在一起来实现这一点。这将返回等于 item 的元素索引：
numpy.nonzero(array - item)
然后，您可以获取列表的第一个元素来获取单个元素。
于 2009-01-11T01:46:53.507 回答
4
从 np.where() 中选择第一个元素的另一种方法是将生成器表达式与 enumerate 一起使用，例如：
>>> 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)
这种方法的优点是它在找到第一个匹配项后停止检查数组的元素，而 np.where 检查所有元素是否匹配。如果数组早期有匹配，生成器表达式会更快。
于 2016-11-04T15:17:58.843 回答
3
numpy_indexed包（免责声明，我是它的作者）包含 numpy.ndarray 的 list.index 的矢量化等效项；那是：
sequence_of_arrays = [[0, 1], [1, 2], [-5, 0]]
arrays_to_query = [[-5, 0], [1, 0]]
import numpy_indexed as npi
idx = npi.indices(sequence_of_arrays, arrays_to_query, missing=-1)
print(idx) # [2, -1]
该解决方案具有矢量化性能，可推广到 ndarray，并具有各种处理缺失值的方法。
于 2017-07-12T14:51:55.327 回答
2
之前没有提到的另一个选项是 bisect 模块，它也适用于列表，但需要预先排序的列表/数组：
import bisect
import numpy as np
z = np.array([104,113,120,122,126,138])
bisect.bisect_left(z, 122)
产量
3
当数组中不存在您要查找的数字时，bisect 也会返回结果，以便可以将数字插入正确的位置。
于 2021-06-17T23:13:06.907 回答
1
numpy 内置了一种相当惯用和矢量化的方法来执行此操作。它使用 np.argmax() 函数的一个怪癖来实现这一点——如果许多值匹配，它返回第一个匹配的索引。诀窍在于，对于布尔值，只有两个值：True (1) 和 False (0)。因此，返回的索引将是第一个 True 的索引。
对于提供的简单示例，您可以看到它与以下内容一起使用
>>> np.argmax(np.array([1,2,3]) == 2)
1
一个很好的例子是计算桶，例如用于分类。假设您有一个切点数组，并且您想要与数组的每个元素对应的“桶”。该算法是计算cutswhere的第一个索引（在用x < cuts填充之后）。我可以使用广播来广播比较，然后沿-broadcasted 轴应用 argmax。cutsnp.Infitnitycuts
>>> cuts = np.array([10, 50, 100])
>>> cuts_pad = np.array([*cuts, np.Infinity])
>>> x = np.array([7, 11, 80, 443])
>>> bins = np.argmax( x[:, np.newaxis] < cuts_pad[np.newaxis, :], axis = 1)
>>> print(bins)
[0, 1, 2, 3]
正如预期的那样，来自的每个值x都落入顺序箱之一，具有明确定义且易于指定的边缘情况行为。
于 2021-05-12T04:46:47.430 回答
0
注意：这是针对 python 2.7 版本的
您可以使用 lambda 函数来处理该问题，它适用于 NumPy 数组和列表。
your_list = [11, 22, 23, 44, 55]
result = filter(lambda x:your_list[x]>30, range(len(your_list)))
#result: [3, 4]
import numpy as np
your_numpy_array = np.array([11, 22, 23, 44, 55])
result = filter(lambda x:your_numpy_array [x]>30, range(len(your_list)))
#result: [3, 4]
你可以使用
result[0]
获取过滤元素的第一个索引。
对于 python 3.6，使用
list(result)
代替
result
于 2018-04-10T01:42:21.143 回答
0
使用 ndindex
样本数组
arr = np.array([[1,4],
[2,3]])
print(arr)
...[[1,4],
[2,3]]
创建一个空列表来存储索引和元素元组
index_elements = []
for i in np.ndindex(arr.shape):
index_elements.append((arr[i],i))
将元组列表转换为字典
index_elements = dict(index_elements)
键是元素，值是它们的索引 - 使用键来访问索引
index_elements[4]
... (0,1)
于 2021-02-18T11:24:11.297 回答
0
找到另一个带有循环的解决方案：
new_array_of_indicies = []
for i in range(len(some_array)):
if some_array[i] == some_value:
new_array_of_indicies.append(i)
于 2021-04-03T08:47:29.560 回答