对比.where()函数，如何理解numpy.argwhere()的两种用法？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

对比numpy的.where()函数，np.argwhere()函数只有两种用法。并且返回值和np.where()的返回值内容上基本一致，只是排列组合换了一个新的数据格式。所以，numpy的.where()数据筛选这事，要看情况来选用不同的函数了。算上.argwhere()的两种写法，已经有五种不同的写法了。

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2。这个.argwhere()，只能写成np.argwhere()，不能写成ndarray.argwhere()。这是个单一的函数写法。本文的兄弟文章：

• https://newsn.net/say/numpy-where.html

第一种用法，不为空值的元素的坐标

np.argwhere(target)

不为空的元素，这点表述可能大家不认同，欢迎留言。空的经验范围：

• np.nan/1/True/普通字符串，没有被当作空值。
• 而0/False/None/空字符串，被处理成了空值。

和.where()的表述一样，都是返回坐标，但是实际上的返回值的格式非常不同。参考下面的例子：

import numpy as np
s = np.array([[True, False], [None, np.nan], [0, 1], ["9", ""]])

sn = np.where(s)
print(sn, type(sn))    # (array([0, 1, 2, 3], dtype=int64), array([0, 1, 1, 0], dtype=int64)) <class 'tuple'>
print(s[sn])           # [True nan 1 '9']

sn = np.argwhere(s)     
print(sn, type(sn))    # 就是把tuple变形成了ndarray [[0 0] [1 1] [2 1] [3 0]]      <class 'numpy.ndarray'>
print(s[sn])           # 没啥意义 [   [[True False] [True False]] ... [True False]]   ]
for xy in sn:
    print(s[ xy[0],xy[1] ])  # True nan 1 9

输出：

(array([0, 1, 2, 3], dtype=int64), array([0, 1, 1, 0], dtype=int64)) <class 'tuple'>
[True nan 1 '9']

[[0 0]
 [1 1]
 [2 1]
 [3 0]] <class 'numpy.ndarray'>

[[[True False]
  [True False]]

 [[None nan]
  [None nan]]

 [[0 1]
  [None nan]]

 [['9' '']
  [True False]]]

True
nan
1
9

第二种用法，返回符合条件表达的数据

np.argwhere(condition)

这是第二种使用方法，注意说法的变化，这里对数据并没有非零或者非空的要求，只是一个条件表达式。

import numpy as np
s = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

sn = np.where(s >= 3)     # 找出所有>=3的元素的位置
print(sn,type(sn))        #  (array([0, 1, 1, 1, 2, 2, 2], dtype=int64), array([2, 0, 1, 2, 0, 1, 2], dtype=int64)) <class 'tuple'>
print(s[sn])              #  [3 4 5 6 7 8 9]

sn = np.argwhere(s >= 3)  # 找出所有>=3的元素的位置
print(sn,type(sn))        # [[0 2] [1 0] [1 1] [1 2] [2 0] [2 1] [2 2]]
print(s[sn])              # 没啥意义 [[[1 2 3] [7 8 9]] [[4 5 6] [1 2 3]] ... [7 8 9]]]
for xy in sn:
    print(s[ xy[0],xy[1] ])  # 3 4 5 6 7 8 9

输出：

(array([0, 1, 1, 1, 2, 2, 2], dtype=int64), array([2, 0, 1, 2, 0, 1, 2], dtype=int64)) <class 'tuple'>
[3 4 5 6 7 8 9]

[[0 2]
 [1 0]
 [1 1]
 [1 2]
 [2 0]
 [2 1]
 [2 2]] <class 'numpy.ndarray'>

[[[1 2 3]
  [7 8 9]]

 [[4 5 6]
  [1 2 3]]

 [[4 5 6]
  [4 5 6]]

 [[4 5 6]
  [7 8 9]]

 [[7 8 9]
  [1 2 3]]

 [[7 8 9]
  [4 5 6]]

 [[7 8 9]
  [7 8 9]]]

3
4
5
6
7
8
9

第三种用法，不存在

np.argwhere()不存在三个参数的情况，所以，没有第三种用法。

表格总结

根据这两篇文章，有下面的表格总结：

• https://newsn.net/say/numpy-where.html
• https://newsn.net/say/numpy-argwhere.html

参考文献

• https://numpy.org/doc/stable/reference/generated/numpy.where.html
• https://numpy.org/doc/stable/reference/generated/numpy.argwhere.html

结束语

更多更好的苏南大叔的python经验文章，链接如下：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。