获取的行索引，用于当多个列的值是已知的二维numpy的阵列

Question

假设我有一个2D numpy的阵列，例如：

一个= [[1，2，3]，[4，5， 6]，[7,8,9]]

如何找到我知道多个值的行的索引？例如，如果已知第0列是2并且第1列是5，我想知道满足此条件的行索引（本例中为第1行）。

在我的应用程序中，前两列是（x，y）坐标，第三列是关于该坐标的信息。我试图在列表中找到特定的坐标，所以我可以更改第三列中的值。

编辑：为了澄清，这里是一个非正方形例如：

一个= [[1，2，3，4，5，6]，[7，8，9，10 ，11,12]，[13,14,15,16,17,18]]

假设我知道我要查找的行在第0列中有13个，第1列中有14个。我想返回该行的索引。在这种情况下，我想返回索引2（第2行）。或者更好的是，我想编辑第0列有13个，第1列有14个的行的第4列。这里是一个解决方案，我发现我所描述的情况下（改变值到999）：

一个[（A [：0] == 13）&（一个[：，1 ] == 14）， 3] = 999

给出：

一个= [[1，2，3，4，5，6]，[7，8，9， 10,11,12]，[13,14,15,999,17,18]]

对不起，如果这不清楚。有人可能会在我的原始文章（编辑之上）中指出如何解释它，因为我无法看到它。

谢谢。

编辑2：在第一编辑修正错误（以粗体显示）

现在我可以看到我是如何做到这件事令人困惑的每一个人。我的问题的解决方案在食品解决方案的条件b）中有很好的描述。谢谢。

Answer 1

可以通过以下方法来处理的列或行的条件下，通过Python中的禅意。

In []: import this 
The Zen of Python, by Tim Peters 

Beautiful is better than ugly. 
Explicit is better than implicit. 
... 

因此，按照第二建议：
a）一列（多个）的条件下，施加到行（多个）：在行（S）

In []: a= arange(12).reshape(3, 4) 
In []: a 
Out[]: 
array([[ 0, 1, 2, 3], 
     [ 4, 5, 6, 7], 
     [ 8, 9, 10, 11]]) 
In []: a[2, logical_and(1== a[0, :], 5== a[1, :])]+= 12 
In []: a 
Out[]: 
array([[ 0, 1, 2, 3], 
     [ 4, 5, 6, 7], 
     [ 8, 21, 10, 11]]) 

b）中的条件下，施加到列（s）：

In []: a= a.T 
In []: a 
Out[]: 
array([[ 0, 4, 8], 
     [ 1, 5, 21], 
     [ 2, 6, 10], 
     [ 3, 7, 11]]) 
In []: a[logical_and(1== a[:, 0], 5== a[:, 1]), 2]+= 12 
In []: a 
Out[]: 
array([[ 0, 4, 8], 
     [ 1, 5, 33], 
     [ 2, 6, 10], 
     [ 3, 7, 11]]) 

所以我希望这真的有意义，当访问列和行时总是显式的。代码通常由具有各种背景的人阅读。

Answer 2

In [80]: a = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) 
In [81]: a 
Out[81]: 
array([[1, 2, 3], 
     [4, 5, 6], 
     [7, 8, 9]]) 

a==2返回boolean numpy的数组，表示在条件为真：

In [82]: a==2 
Out[82]: 
array([[False, True, False], 
     [False, False, False], 
     [False, False, False]], dtype=bool) 

你可以找到任何列其中，这是真正的使用np.any(...,axis=0)：

In [83]: np.any(a==2,axis=0) 
Out[83]: array([False, True, False], dtype=bool) 

In [84]: np.any(a==5,axis=0) 
Out[84]: array([False, True, False], dtype=bool) 

你可以通过使用&找到两个条件同时为真的情况：

In [85]: np.any(a==2,axis=0) & np.any(a==5,axis=0) 
Out[85]: array([False, True, False], dtype=bool) 

最后，你可以找到其中的条件是同时使用真正的np.where列的索引：

In [86]: np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0)) 
Out[86]: (array([1]),) 

Answer 3

否则

np.where(np.any(a==2,axis=0) & np.any(a==5,axis=0)) 

如unutbu建议将不使用图2是在第0列中的信息，并且图5是在第一。因此，对于a = np.array([[5, 2, 3], [2, 5, 6], [7, 8, 9]])，就会误返回(array([0, 1]),)

相反，你可以使用

np.where((a[0]==2) & (a[1]==5)) 

，以获得正确的结果(array([1]),)。此外，如果要编辑该特定行的第二列，则可以跳过np.where并仅将其引用：a[2][(a[0]==2) & (a[1]==5)]。这也适用于作业，例如a[2][(a[0]==2) & (a[1]==5)] = 11。