使用

np.where的速度相当快：

>>> a

array([[0, 0, 0, 1, 1, 1, 1],

[0, 0, 0, 1, 1, 1, 1],

[0, 0, 0, 0, 1, 1, 1],

[0, 0, 0, 0, 0, 0, 1],

[0, 0, 0, 0, 0, 0, 1],

[0, 0, 0, 0, 0, 0, 1],

[0, 0, 0, 0, 0, 0, 0]])

>>> np.where(a>0)

(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 3, 4, 5]), array([3, 4, 5, 6, 3, 4, 5, 6, 4, 5, 6, 6, 6, 6]))

这会将元组传递给大于0的坐标值.

您还可以使用np.where来测试每个子数组：

def first_true1(a):

""" return a dict of row: index with value in row > 0 """

di={}

for i in range(len(a)):

idx=np.where(a[i]>0)

try:

di[i]=idx[0][0]

except IndexError:

di[i]=None

return di

打印：

{0: 3, 1: 3, 2: 4, 3: 6, 4: 6, 5: 6, 6: None}

即,第0行：索引3> 0;第4行：索引4> 0;第6行：没有大于0的索引

如您所料,argmax可能更快：

def first_true2():

di={}

for i in range(len(a)):

idx=np.argmax(a[i])

if idx>0:

di[i]=idx

else:

di[i]=None

return di

# same dict is returned...

如果你可以处理所有naughts行中没有None的逻辑,那么这仍然更快：

def first_true3():

di={}

for i, j in zip(*np.where(a>0)):

if i in di:

continue

else:

di[i]=j

return di

这是一个在argmax中使用轴的版本(如评论中所示)：

def first_true4():

di={}

for i, ele in enumerate(np.argmax(a,axis=1)):

if ele==0 and a[i][0]==0:

di[i]=None

else:

di[i]=ele

return di

对于速度比较(在您的示例数组上),我得到：

rate/sec usec/pass first_true1 first_true2 first_true3 first_true4

first_true1 23,818 41.986 -- -34.5% -63.1% -70.0%

first_true2 36,377 27.490 52.7% -- -43.6% -54.1%

first_true3 64,528 15.497 170.9% 77.4% -- -18.6%

first_true4 79,287 12.612 232.9% 118.0% 22.9% --

如果我将它扩展到2000 X 2000 np数组,这是我得到的：

rate/sec usec/pass first_true3 first_true1 first_true2 first_true4

first_true3 3 354380.107 -- -0.3% -74.7% -87.8%

first_true1 3 353327.084 0.3% -- -74.6% -87.7%

first_true2 11 89754.200 294.8% 293.7% -- -51.7%

first_true4 23 43306.494 718.3% 715.9% 107.3% --