numpy.where 返回元组的目的是什么？答案

【问题标题】：What is the purpose of numpy.where returning a tuple?numpy.where 返回元组的目的是什么？
【发布时间】：2018-11-11 18:05:28
【问题描述】：

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))

得到a > 2 的索引数组是很自然的，即[2, 3, 4, 5]，但我们得到的是：

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

即第二个成员为空的元组。

那么，要得到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) 而不是同样存在的 numpy.where(cond, x, y)（参见文档）。

【问题讨论】：

注意：我已经阅读了stackoverflow.com/questions/5642457/…，但它没有解释这部分。
(3,) 是一个单元素元组。没有“第二个元素”，无论是否为空。
是的@hpaulj，但是如果w = ([13, 14, 15], )，那么我们仍然需要w[0][1] 来获得14 而不是w[1]，这就是我的意思：[0] 是检索元组的第一个元素.
np.where 使用np.nonzero，它更明确地返回一个元组，每个维度一个数组。它不是特例 1d。
最初我认为这允许使用例如元组索引a[np.where(a > 2)]，但实际上这适用于有或没有一元元组的一维情况。

标签： python arrays numpy

【解决方案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))

可以看到，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numpy 经常使用的约定。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一个具有 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

【讨论】：

【解决方案2】：

来自np.where的文档

如果只给出条件，则返回元组condition.nonzero()，条件为真的索引

所以我们查看'np.nonzero'的文档

返回一个数组元组，每个维度对应一个数组，其中包含该维度中非零元素的索引。 a 中的值始终以行优先的 C 样式顺序进行测试和返回。对应的非零值可以通过以下方式获得：

那么对于np.where/np.nonzero 返回一个数组元组有用怎么办？我认为它与indexing multi-dimensional arrays 有关。

如果我们有documentation的例子

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

我们可以的

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，并且被索引的数组的每个维度都有一个索引数组，则结果数组与索引数组具有相同的形状，并且值对应于索引为索引数组中的每个位置设置。在此示例中，两个索引数组的第一个索引值为 0，因此结果数组的第一个值为 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，以便以后可以使用它来选择元素。

【讨论】：

对于一维情况，无论返回值是否包含在 1 元素元组中，花哨的索引都有效。
@wim 是真的！
您引用的文档中的文本似乎已被删除，根本没有引用元组。
@vcovo 实际上，这看起来像是“文档回归”。看起来该信息已被删除以支持该注释以直接使用nonzero。这种行为似乎仍然存在，但现在记录得不太清楚:(

【解决方案3】：

为了一致性：元组的长度与输入数组的维数相匹配。

>>> np.where(np.ones((1)) > 0)
(array([0]),)
>>> np.where(np.ones((1,1)) > 0)
(array([0]), array([0]))
>>> np.where(np.ones((1,1,1)) > 0)
(array([0]), array([0]), array([0]))

使一维情况返回数组而不是元组会导致返回类型不均匀。如果调用者代码正在处理任意形状的输入数据，那么程序员将不得不对返回值中的一维输入进行特殊情况处理。

【讨论】：