在知道多个列值时如何获取二维NumPy数组的行索引

Question

假设我有一个二维的 numPy 数组，比如：

a = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]

我想知道如何找到某一行的索引，前提是我知道这行的多个值。例如，如果我知道第0列是2，第1列是5，我想知道满足这个条件的行索引（在这个例子中是第1行）。

在我的应用中，前两列是 (x,y) 坐标，第三列是关于这个坐标的信息。我想在列表中找到特定的坐标，以便我可以更改第三列的值。

编辑：为了更清楚，这里有一个非方形的例子：

a = [ [1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12], [13, 14, 15, 16, 17, 18] ]

假设我知道我正在寻找的行在第0列是13，在第1列是14。我想返回那一行的索引。在这种情况下，我想返回索引2（第二行）。

或者更好的是，我想编辑那一行的第4列，这一行在第0列是13，在第1列是14。这里有一个我找到的解决方案（把值改成999）：

a[(a[:,0]==13) & (a[:,1]==14), 3] = 999

结果是：

a = [ [1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12], [13, 14, 15, 999, 17, 18] ]

如果这部分不清楚，我很抱歉。能不能有人指出我原始帖子中（编辑之前）哪里可以被不同理解，因为我有点看不明白。

谢谢。

编辑2：修正了第一次编辑中的错误（用粗体显示）

我现在明白我让这件事情变得混乱了。我的问题的解决方案在 eat 的解决方案的条件 b) 中描述得很好。谢谢。

Answer 1

按照unutbu的建议，使用

np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0))

不会考虑到2在第0列，5在第1列的信息。所以，对于 a = np.array([[5, 2, 3], [2, 5, 6], [7, 8, 9]])，它会错误地返回 (array([0, 1]),)

相反，你可以使用

np.where((a[0]==2) & (a[1]==5))

来得到正确的结果 (array([1]),)。

此外，如果你想编辑特定行的第2列，你可以跳过 np.where，直接用以下方式引用： a[2][(a[0]==2) & (a[1]==5)]。这样也可以进行赋值，比如 a[2][(a[0]==2) & (a[1]==5)] = 11。

Answer 2

In [80]: a = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ])
In [81]: a
Out[81]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

a==2 会返回一个布尔类型的 numpy 数组，这个数组显示了条件为真（True）的位置：

In [82]: a==2
Out[82]: 
array([[False,  True, False],
       [False, False, False],
       [False, False, False]], dtype=bool)

你可以通过使用 np.any(...,axis=0) 来找到任何列中条件为真的地方：

In [83]: np.any(a==2,axis=0)
Out[83]: array([False,  True, False], dtype=bool)

In [84]: np.any(a==5,axis=0)
Out[84]: array([False,  True, False], dtype=bool)

如果你想找到同时满足两个条件的地方，可以使用 &：

In [85]: np.any(a==2,axis=0) & np.any(a==5,axis=0)
Out[85]: array([False,  True, False], dtype=bool)

最后，你可以使用 np.where 找到那些同时满足条件的列的索引：

In [86]: np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0))
Out[86]: (array([1]),)

Answer 3

这里有一些处理列或行条件的方法，灵感来自Python的设计理念。

In []: import this
The Zen of Python, by Tim Peters

Beautiful is better than ugly.
Explicit is better than implicit.
...

所以根据第二条建议：
a) 对列的条件，应用到行上：

In []: a= arange(12).reshape(3, 4)
In []: a
Out[]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In []: a[2, logical_and(1== a[0, :], 5== a[1, :])]+= 12
In []: a
Out[]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8, 21, 10, 11]])

b) 对行的条件，应用到列上：

In []: a= a.T
In []: a
Out[]:
array([[ 0,  4,  8],
       [ 1,  5, 21],
       [ 2,  6, 10],
       [ 3,  7, 11]])
In []: a[logical_and(1== a[:, 0], 5== a[:, 1]), 2]+= 12
In []: a
Out[]:
array([[ 0,  4,  8],
       [ 1,  5, 33],
       [ 2,  6, 10],
       [ 3,  7, 11]])

我希望这能让大家明白，在访问列和行时，始终要明确表达是很重要的。因为代码通常是由不同背景的人来阅读的。