我有一个这样的数组：
arrayElements = [[1, 4, 6],[2, 4, 6],[3, 5, 6],...,[2, 5, 6]]
例如，我需要知道 arrayElements 等于 1 的索引。
现在，我正在做：
rows, columns = np.where(arrayElements == 1)
这可行，但我在一个循环中执行此操作，该循环遍历所有可能的元素值，在我的情况下，它是 1-500,000+。这需要 30-40 分钟才能运行，具体取决于我的阵列有多大。任何人都可以提出一个更好的方法来解决这个问题吗？ （附加信息是我不关心值所在的列，只关心行，不确定这是否有用。）
编辑：我需要分别知道每个元素的值。也就是说，我需要元素包含的每个值的行值。
【问题讨论】：
arrayElements 的典型大小是多少？
所以你正在生成数千个这样的数组：
In [271]: [(i,np.where(arr==i)[0]) for i in range(1,7)]
Out[271]:
[(1, array([0])),
(2, array([1, 3])),
(3, array([2])),
(4, array([0, 1])),
(5, array([2, 3])),
(6, array([0, 1, 2, 3]))]
我可以通过一点广播一次对所有值进行 == 测试：
In [281]: arr==np.arange(1,7)[:,None,None]
Out[281]:
array([[[ True, False, False],
[False, False, False],
[False, False, False],
[False, False, False]],
[[False, False, False],
[ True, False, False],
[False, False, False],
[ True, False, False]],
[[False, False, False],
[False, False, False],
[ True, False, False],
[False, False, False]],
[[False, True, False],
[False, True, False],
[False, False, False],
[False, False, False]],
[[False, False, False],
[False, False, False],
[False, True, False],
[False, True, False]],
[[False, False, True],
[False, False, True],
[False, False, True],
[False, False, True]]])
因为你只关心行，所以申请any：
In [282]: (arr==np.arange(1,7)[:,None,None]).any(axis=2)
Out[282]:
array([[ True, False, False, False],
[False, True, False, True],
[False, False, True, False],
[ True, True, False, False],
[False, False, True, True],
[ True, True, True, True]])
此处的 where 与 Out[271] 中的值相同，但分组方式不同：
In [283]: np.where((arr==np.arange(1,7)[:,None,None]).any(axis=2))
Out[283]:
(array([0, 1, 1, 2, 3, 3, 4, 4, 5, 5, 5, 5]),
array([0, 1, 3, 2, 0, 1, 2, 3, 0, 1, 2, 3]))
可以拆分为：
In [284]: from collections import defaultdict
In [285]: dd = defaultdict(list)
In [287]: for i,j in zip(*Out[283]): dd[i].append(j)
In [288]: dd
Out[288]:
defaultdict(list,
{0: [0], 1: [1, 3], 2: [2], 3: [0, 1], 4: [2, 3], 5: [0, 1, 2, 3]})
对于某些阵列，第二种方法可能更快，但它可能无法很好地适应您的全部问题。
【讨论】：
通过使用np.isin（请参阅documentation），您可以测试多个元素值。
例如：
import numpy as np
a = np.array([1,2,3,4])
check_for = np.array([1,2])
locs = np.isin(a, check_for)
# [True, True, False, False]
np.where(locs)
#[0, 1]
注意：这假设您不需要分别知道每个元素值的索引。
如果您需要单独跟踪每个元素值，请使用默认字典并遍历矩阵。
from collections import defaultdict
tracker = defaultdict(set)
for (row, column), value in np.ndenumerate(arrayElements):
tracker[value].add(row)
【讨论】：
x 遇到的每个元素，您现在可以将行 x 添加到该值字典中，这样 dict[value] = [row1, row2, ...]。即，您保留一个默认字典，其中元素值作为键，一组行作为值。
tracker[1].add(1)，稍后你可以查询tracker[1]，它将返回 1。此输出表示在第二行（索引值为 1 的行）中看到了值 1。希望这是有道理的。
您可以尝试使用 numpy.ndenumerate 和 Counter、defaultdict 或 dict 循环遍历值和索引，其中键是数组中的值。
【讨论】：