理解np.nonzero()函数

---

举三个例子，就能清楚的看到 np.nonzero() 这个函数返回值的意义

---

一、

#例1 一维数组
import numpy as np

a = [0,1,2,0,3,0]
b = np.nonzero(a)
print(b)

输出： (array([1, 2, 4], dtype=int64),)

nonzero（）用于得到数组中非零元素的位置（数组索引），如上例中数组a中索引1，2，4中的元素不为0，即返回值

---

二、

#例2 二维数组
import numpy as np
a =[[1,2,3],
    [0,2,0],
    [0,2,2]]  

b = nonzero(a)
print(b)

输出：(array([0, 0, 0, 1, 2, 2], dtype=int64), array([0, 1, 2, 1, 1, 2], dtype=int64))

　　先看一下输出的内容（格式），它输出了二个array数组，刚好对应了二维数组的二，每一个数组对应了数组a的一个维度，也是说在每个数组中挑出对应的数字组成一个坐标，就可以找到数组a中非0元素。比如说从 输出的第一个数组 [0, 0, 0, 1, 2, 2]中选第一个数字0和第二个数组 [0, 1, 2, 1, 1, 2] 也选出对应的数字0，就组成了一个位置坐标[0,0]（也即 [0][0] ），意味着数组a中第0行，第0列的位置是非0元素，其余类推。两个数组分别选出一个数字就对应了6个位置，即 [0][0] ，[0][1]，[0][2]，[1][1]，[2][1]，[2][2]，这些就是数组a中的非0位置对应的索引信息，可以通过如a[0][0], a[0][1]等取出。

　　哎，现在是不是发现了，a中元素非0元素的个数和输出的每一个数组的长度是一样的。如果现在懂了一点，猜测一下nonzero（）三维和高维数组的输出结果。

---

三、

# 例三 三维数组
import numpy as np
a =[[[1,2,3],
     [1,0,1]],
    [[0,2,0],
     [1,1,0]],
    [[0,2,2],
     [0,9,8]]]

b = nonzero(a)
print(b)

输出： (array([0, 0, 0, 0, 0, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 1, 1], dtype=int64), array([0, 1, 2, 0, 2, 1, 0, 1, 1, 2, 1, 2], dtype=int64))

在输出的三个array数组中分别选出对应的位置组成a中非0位置的索引，即 [ 0 ][ 0 ][ 0 ]，[ 0 ][ 0 ][ 1 ]，[ 0 ][ 0 ][ 2 ]，[ 0 ][ 1 ][ 0 ]等。