如何使用numpy的nonzero找出非0元素

这篇文章主要介绍"如何使用numpy的nonzero找出非0元素"的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇"如何使用numpy的nonzero找出非0元素"文章能帮助大家解决问题。

直接上代码吧~

import numpy as npa = np.array([[30,40,70],[80,20,10],[50,90,60]])print(a)print(np.nonzero(a))[[30 40 70] [80 20 10] [50 90 60]](array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))

第一个array为x轴 第二个array为y轴

补充：【Numpy学习】python查找矩阵中不为0元素的索引（np.nonzero()）

在用矩阵分解方法做模型时，需要对模型的结果做验证。

在验证过程中需要mask训练集、验证集和测试集。

这时候就需要原矩阵S SS中不为0元素和为0元素的索引值，这个方法在matlab中是find方法，在用python实现时就需要np.nonzero()。

下面看一段代码：

import numpy as npa = np.arange(12).reshape(3, 4)print(a)[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11]]print(np.nonzero(a))(array([0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2]), array([1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]))

值得注意的是np.nonzero(a)输出的是两个array第一个array中的值指的是行，第二个指的是列。

如0,1表明第0行第一列的值不为0。

关于"如何使用numpy的nonzero找出非0元素"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注行业资讯频道，小编每天都会为大家更新不同的知识点。