如何在 Python 的 Numpy 数组中查找值的索引？

引言

NumPy 是 Python 中进行科学计算的关键库。它提供了处理大型、多维数组和矩阵的功能，并提供了大量用于这些数据的数学工具。在数组上进行的一个常见操作是查找特定值在 NumPy 数组中的位置。在本文中，我们将探讨多种有效完成此任务的方法和步骤。

理解 NumPy 数组

在开始查找值的位置之前，了解 NumPy 数组的一些基本知识非常重要。NumPy 数组是用于存储同类型元素的集合，可以具有多个维度。这些列表可以有一行、两行甚至更多行。在数字或科学计算任务中，使用和修改这些列表中的元素通常是必需的。

使用“np.where()”函数

NumPy 提供了 **“np.where()”** 函数，这是一个强大的工具，用于查找数组中满足我们指定条件的元素。此函数返回与给定条件匹配的元素的索引。在查找特定值时，我们可以将 **“np.where()”** 函数与数组比较结合使用来找到其位置。

输出

Index of value 3: [2]

说明

此 Python 程序使用 NumPy 创建一个名为 **“arr”** 的一维数组，其中包含数字 [1, 2, 3, 4]。然后，它使用 **“np.where()”** 函数在数组中查找等于 3 的数字。结果存储在名为 index 的变量中。接下来，我们使用 print() 命令显示“3”的位置。

利用“np.argmax()”和“np.argmin()”函数

当我们想找出 NumPy 数组中最大值或最小值的位置时，**“np.argmax()”** 和 **“np.argmin()”** 是查找此信息的有用函数。这些函数分别返回最大值和最小值的索引。

输出

Index of maximum value: 4
Index of minimum value: 0

说明

在此 Python 脚本中，我们使用 NumPy 创建了一个名为 **“arr”** 的一维列表，其中包含数字 [1, 2, 3, 4, 5]。我们使用 **“np.argmax()”** 函数查找数组中最大值的索引，然后将其作为结果打印出来。类似地，**“np.argmin()”** 用于查找并显示最小值的索引。

使用“np.nonzero()”函数

**“np.nonzero()”** 函数是查找 NumPy 数组中非零元素位置的另一种有用方法。它主要用于查找非零元素的索引。但是，它也可以用于查找特定值的索引。

输出

Index of value 2: [2]

说明

在此 Python 代码中，使用 NumPy 创建了一个名为 **“arr”** 的一维数组。它包含数字 [1, 0, 0, 1, 2, 3, 4]。 **“np.nonzero()”** 工具用于查找数组值为 2 的位置。从该列表返回的元组被存储在名为 index 的变量中。之后，我们使用 'print()' 来显示 2 在其中的位置。

性能考虑

虽然这些方法有助于查找 NumPy 数组中某个元素的值，但考虑其性能影响非常重要。这尤其是在处理大型数据集时。通常，选择哪种方法可能取决于任务的具体需求。

• 对于一维列表，**“np.where()”** 和 **“np.argmax()/np.argmin()”** 通常是在使用 Python 编程语言工具箱（包）时首先选择的快速方法。
• 在使用大型数组时，可以考虑使用 **“np.flatnonzero()”** 来获取完全展开的扁平索引。

结论

在此完整介绍中，我们讨论了在 NumPy 数组中发现值位置的不同方法。了解这些方法及其不同的用例对于快速处理科学或数学任务中的数组非常重要。无论您选择 'np.where()', 'np.argmax()/np.argmin()' 还是其他类似方法，主要目标是找出最适合您特定任务的方法，并在处理大型数据集时考虑性能问题。有了这些信息，您就可以在大型数字集合（称为 NumPy 数组）中有效地搜索索引。