使用numpy查找矩阵中全部为零的行

Question

我有一个很大的 numpy 矩阵 M。这个矩阵的某些行的所有元素都是零，我需要找出这些行的索引。现在我想到的简单方法是逐行遍历这个矩阵，然后检查每一行的每个元素。

有没有更好、更快的方法来用 numpy 实现这个目标呢？

Answer 1

在编程中，有时候我们会遇到一些问题，特别是在使用某些工具或库的时候。这些问题可能会让我们感到困惑，但其实大多数时候，解决这些问题的方法都在社区的讨论中。比如在StackOverflow上，很多人会分享他们的经验和解决方案。

如果你在编写代码时遇到错误，首先要做的是仔细阅读错误信息。错误信息通常会告诉你问题出在哪里，虽然有时候它们可能听起来很复杂。接着，你可以在网上搜索这个错误，看看其他人是怎么解决的。很多时候，你会发现已经有人遇到过类似的问题，并且他们分享了有效的解决办法。

记住，编程是一个不断学习的过程，遇到问题是很正常的。通过查阅资料和向社区求助，你会逐渐变得更加熟练。

a =  numpy.array([[10,0],[0,0],[0,10]])
isZero = numpy.all(a == 0, axis=1)
deleteFullZero = a[~numpy.all(a== 0, axis=1)] 
#isZero >> [False True False]
#deleteFullZero >> [[10 0][0,10]]

Answer 2

这里介绍了一种使用 np.sum 的方法，
如果你想设置一个阈值，这个方法会很有用。

a = np.array([[1.0, 1.0, 2.99],
          [0.0000054, 0.00000078, 0.00000232],
          [0, 0, 0],
          [1, 1, 0.0],
          [0.0, 0.0, 0.0]])
print(np.where(np.sum(np.abs(a), axis=1)==0)[0])
>>[2 4]
print(np.where(np.sum(np.abs(a), axis=1)<0.0001)[0])
>>[1 2 4]  

使用 np.prod 来检查某一行是否至少包含一个零元素。

print(np.where(np.prod(a, axis=1)==0)[0])
>>[2 3 4]

Answer 3

这个被认可的答案适用于元素是 int(0) 的情况。如果你想找出所有值都是 0.0（浮点数）的行，你需要使用 np.isclose()：

print(x)
# output
tensor([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 1., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         1., 0., 0.],
        [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
         0., 0., 0.],
])
np.where(np.all(np.isclose(labels, 0), axis=1))
(array([ 0, 3]),)

注意：这个方法也适用于 PyTorch 张量，这在你想找到全为零的多热编码向量时非常有用。

Answer 4

这里有一种方法。我假设你已经用 import numpy as np 导入了numpy库。

In [20]: a
Out[20]: 
array([[0, 1, 0],
       [1, 0, 1],
       [0, 0, 0],
       [1, 1, 0],
       [0, 0, 0]])

In [21]: np.where(~a.any(axis=1))[0]
Out[21]: array([2, 4])

这其实是对这个答案的一个小改动： 如何检查一个矩阵是否包含零列？

下面是具体的过程：

any 方法会返回 True，如果数组中有任何一个值是“真实”的。非零的数字被认为是 True，而 0 被认为是 False。通过使用参数 axis=1，这个方法会应用到每一行上。对于示例中的 a，我们可以得到：

In [32]: a.any(axis=1)
Out[32]: array([ True,  True, False,  True, False], dtype=bool)

所以每个值表示对应的行是否包含非零值。~ 运算符是二进制的“非”或补码：

In [33]: ~a.any(axis=1)
Out[33]: array([False, False,  True, False,  True], dtype=bool)

（一个替代的表达式，结果是一样的，就是 (a == 0).all(axis=1)。）

为了获取行的索引，我们使用 where 函数。它会返回参数为 True 的索引：

In [34]: np.where(~a.any(axis=1))
Out[34]: (array([2, 4]),)

注意，where 返回的是一个包含单个数组的元组。where 可以处理 n 维数组，所以它总是返回一个元组。我们需要的是那个元组中的单个数组。

In [35]: np.where(~a.any(axis=1))[0]
Out[35]: array([2, 4])