在numpy中获取数组中所有元素的索引

Question

我试图获得数组中所有元素的索引列表，因此对于1000 x 1000的数组，我以[（0,0）， （0,1），...，（999,999）]。

我做了一个函数来做到这一点，低于：

def indices(alist): 
    results = [] 
    ele = alist.size 
    counterx = 0 
    countery = 0 
    x = alist.shape[0] 
    y = alist.shape[1] 
    while counterx < x: 
     while countery < y: 
      results.append((counterx,countery)) 
      countery += 1 
     counterx += 1 
     countery = 0 
    return results 

后我计时，它似乎很缓慢，因为它需要大约650毫秒运行（授予一个缓慢的笔记本电脑）。所以，盘算，numpy的必须有一个更快的方式做到这一点比我平庸的编码，我看了看文档，并试图：

indices = [k for k in numpy.ndindex(q.shape)] 
which took about 4.5 SECONDS (wtf?) 
indices = [x for x,i in numpy.ndenumerate(q)] 
better, but 1.5 seconds! 

有一个更快的方法来做到这一点？

感谢

Answer 1

艾哈！

Using numpy to build an array of all combinations of two arrays

奔跑在41毫秒与使用itertool.product一个反对330ms！

Answer 2

你有没有想过使用itertools的？它会生成一个迭代器为你的结果，而且几乎可以肯定将是最佳快：

import itertools 

a = range(1000) 
b = range(1000) 

product = itertools.product(a, b) 

for x in product: 
    print x 

# (0, 0) 
# (0, 1) 
# ... 
# (999, 999) 

声明本没有要求numpy的依赖。另外，请注意使用range创建一个从0到999的列表。

Answer 3

np.ndindex怎么样？

np.ndindex(1000,1000) 

这将返回一个迭代对象：

>>> ix = numpy.ndindex(1000,1000) 
>>> next(ix) 
(0, 0) 
>>> next(ix) 
(0, 1) 
>>> next(ix) 
(0, 2) 

一般来说，如果你有一个数组，你可以建立通过索引迭代：

index_iterable = np.ndindex(*arr.shape) 

当然，总是有np.ndenumerate以及可以这样实现：

def ndenumerate(arr): 
    for ix in np.ndindex(*arr.shape): 
     yield ix,arr[ix]