numpy.nonzero的功能是返回数组中所有非零元素的索引，比如在聚类分析中有这么一段更新质心位置的代码，cluster是每一行数组所属质心的索引，质心一共有k个，如何分别得到每个质心下的全部索引呢？一行nonzero(index == cent)就可以轻松解决问题。

# 更新质心的位置，直到簇分配结果不再改变为止
for cent in range(k):
    index = cluster[:, 0].A # 簇分配结果中的所有索引
    value = nonzero(index == cent)
    sample_in_cent = dataset[value[0]]
    centroids[cent, :] = mean(sample_in_cent, axis=0) # 按列计算均值

举个例子加深理解

>>> x = np.eye(3)
>>> x
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
# 数组x中共有3个非零元素，nonzero则分别返回非零元素的行、列坐标
# 如第1行第1列，第2行第2列，第3行第3列
>>> np.nonzero(x)
(array([0, 1, 2]), array([0, 1, 2]))

当然也可以使用numpy.nonzero直接获取数组中的所有非零元素值

# 返回x中所有的非零元素
>>> x[np.nonzero(x)]
array([ 1.,  1.,  1.])
# 如果觉得返回的结果不方便阅读，还可以将它转置一下
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 2]])

不仅仅是快速查找数组内的非零元素，numpy.nonzero还可以用来返回特定条件下的元素索引。比如给定一个数组a，查找数组a中符合大于3条件的元素，使用numpy.nonzero则会返回所有符合条件的元素索引。

1
2
3

>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> np.nonzero(a > 3)
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

也可以这样用

1 2	>>> (a > 3).nonzero() (array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

参考

numpy.nonzero