我知道Python列表有一个方法可以返回某个对象的第一个索引:
>>> xs = [1, 2, 3]
>>> xs.index(2)
1
NumPy数组也有类似的东西吗?
当前回答
是的，给定一个数组，数组和一个值，要搜索的项，你可以使用np。的地方:
itemindex = numpy.where(array == item)
结果是一个元组，首先是所有的行索引，然后是所有的列索引。
例如，如果一个数组是二维的，它包含你的项目在两个位置，那么
array[itemindex[0][0]][itemindex[1][0]]
将等于你的项目，因此将是:
array[itemindex[0][1]][itemindex[1][1]]
其他回答
找到了另一个循环解决方案:
new_array_of_indicies = []
for i in range(len(some_array)):
if some_array[i] == some_value:
new_array_of_indicies.append(i)
是的，给定一个数组，数组和一个值，要搜索的项，你可以使用np。的地方:
itemindex = numpy.where(array == item)
结果是一个元组，首先是所有的行索引，然后是所有的列索引。
例如，如果一个数组是二维的，它包含你的项目在两个位置，那么
array[itemindex[0][0]][itemindex[1][0]]
将等于你的项目，因此将是:
array[itemindex[0][1]][itemindex[1][1]]
对于1D数组，我推荐np。平坦非零(array == value)[0]，它等价于np。非零(array == value)[0][0]和np。其中(array == value)[0][0]，但避免了对一个单元素元组开箱的丑陋。
如果你想用它作为其他东西的索引，如果数组是可广播的，你可以使用布尔索引;不需要显式索引。要做到这一点，绝对最简单的方法是基于真值进行索引。
other_array[first_array == item]
任何布尔运算都可以:
a = numpy.arange(100)
other_array[first_array > 50]
非零方法也接受布尔值:
index = numpy.nonzero(first_array == item)[0][0]
两个0分别表示索引元组(假设first_array是1D)和索引数组中的第一项。
index_lst_form_numpy = pd.DataFrame(df).reset_index()["index"].tolist()
