获取Python矩阵数组中值的（i，j）索引的最快方法？答案

【问题标题】：Fastest way to get (i,j) indices of a value in a Python matrix array?获取Python矩阵数组中值的（i，j）索引的最快方法？
【发布时间】：2020-07-07 01:11:43
【问题描述】：

在下面的 numpy 数组中获取值 1 的所有 (i,j) 索引的最快方法是什么？

import numpy as np 

arr = [[1, 0, 1], [0, 0, 0], [0, 1, 0]]
arr = np.array(arr)
arr
array([[1, 0, 1],
       [0, 0, 0],
       [0, 1, 0]])

我尝试过使用嵌套的 for 循环 for i for j，但对于较大的数据集，这需要 O(n^2)。我也尝试过使用np.where(arr == 1)，但没有得到 (i,j) 索引：

np.where(arr == 1)
(array([0, 0, 2]), array([0, 2, 1])) # not (i,j) indices

获取 (i,j) 索引的更好或更快的方法是什么？

【问题讨论】：

where 给出索引 - 作为数组的元组。这确实是最有用的形式，因为它可以直接用于索引数组。必须一个一个地应用一个元组列表，速度要慢得多。

标签： python arrays numpy matrix

【解决方案1】：

您返回的两个数组只是每个匹配项的列/行索引。您可以简单地将第一个和第二个数组一起压缩成元组。

import numpy as np 

arr = [[1, 0, 1], [0, 0, 0], [0, 1, 0]]
arr = np.array(arr)    

d = np.where(arr == 1)
tuple(zip(d[0], d[1]))

输出

((0, 0), (0, 2), (2, 1))

【讨论】：

没问题欢迎采纳，让其他人受益。
np.where 是否在底层使用嵌套的for i for j for 循环？或者它使用某种形式的更快的搜索，比如二分搜索？尝试查看源代码，但无法弄清楚... @Chris
np.nonzeros 只是遍历 while 数组（展平）寻找 True 值。没什么特别的，只是编译。

【解决方案2】：

如果您坚持将索引设置为 i-j 对，请使用 np.argwhere：

ij = np.argwhere(arr == 1)

ij 将是一个 Nx2 数组，每行包含一个索引对。您仍然可以将这些列用作精美的索引。

否则，请使用 np.nonzero，当您使用单个参数执行 np.where 时会调用它：

i, j = np.nonzero(arr)

如果您的数组严格为零或一，则在任何一种情况下都不需要== 0。这两个函数都查找非零元素。

另外，请记住，所有这些函数都具有相似的时间复杂度，即O(N)，因为N 是数组中元素的总数。无论您使用 numpy 函数还是嵌套的 for 循环，都需要对数组进行至少一次传递。

【讨论】：

【解决方案3】：

所以这基本上是一个简单的数组遍历问题，这个问题总是需要 O(n^2) 时间。

所以我觉得这里可以使用循环

输入：

arr = [[1, 0, 1], [0, 0, 0], [0, 1, 0]]
arr = np.array(arr)


def method_1(arr):
    temp = []
    for i in range(len(arr)):
        for j in range(len(arr[i])):
            if arr[i][j] == 1:
                temp.append((i, j))
    return temp


def method_2(arr):
    d= np.where(arr == 1)
    temp = []
    for i, j in zip(d[0], d[1]):
        temp.append((i, j))
    return temp


start_time = time.time()
method_1(arr)
end_time = time.time()

print(end_time- start_time)

start_time = time.time()
method_2(arr)
end_time = time.time()

print(end_time- start_time)

输出：

2.00271606445e-05          #Time taken by 1st algorithm
4.50611114502e-05          #Time taken by 2nd algorithm
[(0, 0), (0, 2), (2, 1)]
[(0, 0), (0, 2), (2, 1)]

注意：当你想检查算法的效率时，你可以使用时间函数

【讨论】：