是否可以在没有 for 循环的情况下找到每行矩阵的 np.count_nonzero ？答案

【问题标题】：Is it possible to find np.count_nonzero of each row of matrix without for loop?是否可以在没有 for 循环的情况下找到每行矩阵的 np.count_nonzero ？
【发布时间】：2017-10-06 07:23:07
【问题描述】：

我想从矩阵中找到非零值超过 n 次的行并清理它，但我只能想出for 循环方式。

例如，清理矩阵aaa的行，其值超过5次。

aaa = np.zeros([5,8])

aaa[0] = [0,0,0,15,21,10,0,0] <<
aaa[1] = [0,3,7,5,4,0,0,0]
aaa[2] = np.random.randint(3, size=8)
aaa[3] = np.random.randint(15, size=8)
print aaa
>> [[  0.   0.   0.  15.  21.  10.   0.   0.]
 [  0.   3.   7.   5.   4.   0.   0.   0.]
 [  1.   1.   2.   0.   2.   1.   1.   1.]
 [ 10.   9.  12.   2.  11.  12.  12.  12.]
 [  0.   0.   0.   0.   0.   0.   0.   0.]]

for row in range(5):
    print np.count_nonzero(aaa[row])
    if np.count_nonzero(aaa[row]) > 5:
        aaa[row] = 0
print aaa
>>>[[  0.   0.   0.  15.  21.  10.   0.   0.]
 [  0.   3.   7.   5.   4.   0.   0.   0.]
 [  0.   0.   0.   0.   0.   0.   0.   0.] # clean
 [  0.   0.   0.   0.   0.   0.   0.   0.] # clean
 [  0.   0.   0.   0.   0.   0.   0.   0.]]

实际上，我要做的是清除每一行中的固定噪声并保持高斯式峰值行。我的真实数据矩阵非常大（维度 = 10^5 x 10^6）。在这种情况下有什么超快速的方法可以清理行吗？

【问题讨论】：

标签： python python-2.7 numpy for-loop matrix

【解决方案1】：

在整个数组上使用np.count_nonzero -

arr[np.count_nonzero(arr,axis=1) > 5] = 0

更快的版本是获取非零的布尔数组，然后进行计数 -

arr[np.count_nonzero(arr!=0,axis=1) > 5] = 0

或者，使用ndarray.sum -

arr[(arr!=0).sum(axis=1) > 5] = 0

【讨论】：