是否有NumPy函数返回数组中某些内容的第一个索引？

Question

我知道Python列表有一种方法可以返回第一个索引：

>>> l = [1, 2, 3]
>>> l.index(2)
1

NumPy数组有类似内容吗？

Answer 1

是的，这里给出了一个NumPy数组， array 和一个值 item 的答案，用于搜索：

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，如果一个数组是两个维度，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

array[itemindex[0][1]][itemindex[1][1]]

numpy.where

Answer 2

如果您需要第一次出现只有一个值的索引，您可以使用非零（或 where ，相当于同样的事情）：

>>> 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

如果您需要每个多个值的第一个索引，您显然可以反复执行上述操作，但有一个技巧可能更快。以下内容查找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3的子序列的开头和8s的两个子序列：

[ 1 ，1,1， 2 ，2， 3 ， 8 ， 3 ， 8 ，8]

所以它与找到每个值的第一个出现略有不同。在您的程序中，您可以使用 t 的排序版本来获得您想要的内容：

>>> st = sorted(t)
>>> nonzero(r_[1, diff(st)[:-1]])
(array([0, 3, 5, 7]),)

Answer 3

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

它会打印1。

Answer 4

如果您要将其用作其他内容的索引，则可以使用布尔索引（如果数组是可广播的）;你不需要明确的指数。绝对最简单的方法是简单地根据真值进行索引。

other_array[first_array == item]

任何布尔操作都有效：

a = numpy.arange(100)
other_array[first_array > 50]

非零方法也需要布尔值：

index = numpy.nonzero(first_array == item)[0][0]

两个零用于索引的元组（假设first_array是1D），然后是索引数组中的第一个项。

Answer 5

只需添加一个非常高效且方便的 numba 基于 np.ndenumerate <的备选方案/ a>找到第一个索引：

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，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,)

与使用 np.where 或 np.nonzero 的任何方法相比，这可以快得多（因为它会使操作短路）。

---

但 np.argwhere 还可以使用多维数组处理优雅（您需要手动将其转换为元组和它不会短路）但如果没有匹配则会失败实测值：

>>> tuple(np.argwhere(arr1 == 2)[0])
(2, 2, 2)
>>> tuple(np.argwhere(arr2 == 2)[0])
(5,)

Answer 6

l.index（x）返回最小的 i ，以便 i 是列表中第一次出现x的索引。

可以安全地假设Python中的 index（）函数已经实现，以便在找到第一个匹配项后停止，这样可以获得最佳的平均性能。

要查找在NumPy数组中第一次匹配后停止的元素，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，则 index（）和 next 这两个方法都会返回错误。使用 next ，可以使用第二个参数在未找到元素的情况下返回特殊值，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，但它们都有缺点，即遍历整个数组寻找所有次出现，因此没有针对查找第一个元素进行优化。另请注意 where 和 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

只检查大型数组，当搜索项位于数组的开头时，使用迭代器的解决方案更快（使用IPython shell中的％timeit ） ：

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

---

这是一个公开的 NumPy GitHub问题。

另请参阅： Numpy：快速找到第一个价值指数

Answer 7

要对任何条件进行索引，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

这里有一个快速的函数来执行list.index（）所做的事情，除非没有找到它引发异常。注意 - 这在大型阵列上可能非常慢。如果你更愿意将它作为一种方法使用，你可以将它修补到数组上。

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]

Answer 8

对于1D数组，我建议 np.flatnonzero（array == value）[0] ，这相当于 np.nonzero（array == value）[0 ] [0] 和 np.where（array == value）[0] [0] 但避免了取消装箱1元组元组的丑陋。

Answer 9

NumPy中有很多操作可能可以放在一起来完成这个任务。这将返回元素的索引等于item：

numpy.nonzero(array - item)

然后，您可以获取列表的第一个元素以获得单个元素。

Answer 10

对于一维排序数组，使用 numpy.searchsorted 返回NumPy整数（位置）。例如，

arr = np.array([1, 1, 1, 2, 3, 3, 4])
i = np.searchsorted(arr, 3)

确保数组已经排序

同时检查返回的索引i是否实际包含搜索的元素，因为searchsorted的主要目标是查找应插入元素以保持顺序的索引。

if arr[i] == 3:
    print("present")
else:
    print("not present")

Answer 11

从np.where（）中选择第一个元素的另一种方法是使用生成器表达式和枚举，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。如果数组中的早期匹配，则生成器表达式会更快。

Answer 12

numpy_indexed 软件包（免责声明，我是它的作者）包含了vector.index的向量化等价物为numpy.ndarray;那就是：

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]

这个解决方案具有矢量化性能，可以推广到ndarrays，并且有各种处理缺失值的方法。

Answer 13

注意：这适用于python 2.7版本

您可以使用lambda函数来处理问题，它可以在NumPy数组和列表上运行。

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]

获取已过滤元素的第一个索引。

对于python 3.6，请使用

list(result)

而不是

result