直接上代码吧~
import numpy as np
a = np.array([[30,40,70],[80,20,10],[50,90,60]])
print(a)
print(np.nonzero(a))
[[30 40 70]
[80 20 10]
[50 90 60]]
(array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))
第一个array为x轴 第二个array为y轴
补充：【Numpy学习】python查找矩阵中不为0元素的索引（np.nonzero()）
在用矩阵分解方法做模型时，需要对模型的结果做验证。
在验证过程中需要mask训练集、验证集和测试集。
这时候就需要原矩阵S SS中不为0元素和为0元素的索引值，这个方法在matlab中是find方法，在用python实现时就需要np.nonzero()。
下面看一段代码：
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
print(np.nonzero(a))
(array([0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2]), array([1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]))
值得注意的是np.nonzero(a)输出的是两个array第一个array中的值指的是行，第二个指的是列。
如0,1表明第0行第一列的值不为0。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
您可能感兴趣的文章:- 浅谈python numpy中nonzero()的用法
- 关于numpy中np.nonzero()函数用法的详解
- 讲解Python3中NumPy数组寻找特定元素下标的两种方法
