Numpy list.index函数

在Python中，我们可以使用列表(list)的index函数来查找元素在列表中的位置。当我们使用NumPy处理数组数据时，NumPy提供了一些等价于列表index函数的功能，以便我们更好地使用数组。本文将介绍NumPy中的几个函数，它们在某种程度上与列表的index函数等价。

阅读更多：Numpy 教程

numpy.where()

numpy.where()函数可以根据给定的条件，返回符合条件的元素下标数组的元素位置。语法如下：

numpy.where(condition[, x, y])

参数说明：

• condition – 返回true/False或bool值的数组。
• x – 当condition为True的索引处的值。
• y – 当condition为False的索引处的值。

下面是一个简单的例子：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
x = np.where(arr == 6)

print(x)

输出结果：

(array([5]),)

上面的结果表示6的下标为5。

numpy.nonzero()

numpy.nonzero()函数返回非零元素的下标。这个函数的使用也很简单，我们只需要输入一个数组，它就会输出具有非零元素的下标。语法如下：

numpy.nonzero(array)

下面是一个例子：

import numpy as np

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

x = np.nonzero(arr)

print(x)

输出结果：

(array([1, 2, 3, 4, 5, 6, 7, 8, 9]),)

上述代码中，输出结果也很好理解，它把非零元素的位置都输出来了。

numpy.argwhere()

numpy.argwhere()函数返回非零元素的下标，就像上面的 numpy.nonzero()函数一样，但返回的结果是一个简单的n×m numpy数组，其中n是给定数组中非零元素的数量，m是给定数组每个维度的长度。语法如下：

numpy.argwhere(arr)

下面是一个例子：

import numpy as np

arr = np.arange(6).reshape(2,3)

x = np.argwhere(arr > 3)

print(x)

输出结果：

[[1 1]
 [1 2]]

上述代码中，我们生成一个形状为(2,3)的数组，然后找出其中大于3的元素的下标。

numpy.argmax()和numpy.argmin()

numpy.argmax()和numpy.argmin()函数分别返回给定数组中最大和最小元素的下标。

numpy.argmax(arr, axis=None, out=None)   # 沿数组的axis返回最大值的索引
numpy.argmin(arr, axis=None, out=None)   # 沿数组的axis返回最小值的索引

下面是一个例子：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 0])

x = np.argmax(arr)
y = np.argmin(arr)

print("x = ", x)
print("y = ", y)

输出结果：

x =  8
y =  9

上述代码中，我们生成一个包含10个元素的数组，然后找出其中最大元素和最小元素的下标。

总结

以上就是NumPy中等价于列表index函数的几个功能介绍，这些函数可以在处理数组数据时提供更好的便利性和灵活性。当然，这还只是一部分NumPy的功能，NumPy还提供了很多其他的强大的数组操作函数可以用来处理数据，可以在以后的学习和实践中逐渐掌握。