array如何根据值选取对应所有索引

可以使用以下代码来选取数组中所有符合条件的元素的索引：

arr = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
value = 5

indices = [i for i, x in enumerate(arr) if x == value]

print(indices)

输出结果为：`[4]`，表示在数组中第 5 个位置（从 0 开始计数）上的元素的值为 5。

如果想要选取数组中所有值为 5 的元素的索引，则可以将代码修改为：

arr = [1, 2, 3, 4, 5, 6, 5, 8, 9, 10]
value = 5

indices = [i for i, x in enumerate(arr) if x == value]

print(indices)

输出结果为：`[4, 6]`，表示在数组中第 5 个位置和第 7 个位置上的元素的值均为 5。

相关问题

data是三维array的格点数据，现在我要选取并保留data里大于0的数，并保持选取之后的结果维数不变，并且保证原先的缺测值nan不发生改变，如何做到

您可以使用numpy中的bool索引来实现这个操作。假设三维array的变量名为data，则可以使用以下代码实现：

import numpy as np

# 生成一个与data形状相同的bool array，元素值为True表示该位置的值大于0
mask = data > 0

# 将data中mask对应的位置的值保留，其他位置的值设为nan
result = np.where(mask, data, np.nan)

这里使用了numpy中的where函数，其参数解释为：第一个参数是bool索引数组，它指定哪些位置需要保留，第二个参数是在对应位置上的替换值，即data中值大于0的位置上的值，第三个参数是在对应位置上的替换值，即data中值小于等于0的位置上的值。

这样，result中就保留了data中大于0的数，并且维数不变，缺测值nan也不发生改变。

numpy矩阵元素索引

在numpy中，可以使用下标或者切片来访问矩阵的元素。例如，对于一个二维矩阵a，可以使用a[i][j]或a[i,j]来访问第i行第j列的元素。这里的i和j都是从0开始的整数索引。

另外，numpy还支持使用布尔值数组、整数数组和切片对象来进行高级索引。例如，可以使用一个布尔值数组b来选取矩阵a中所有满足条件的元素：

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.array([[True, False], [False, True], [True, False]])
print(a[b])

输出结果为：

[1 4 5]

其中，b中的每个元素表示对应位置的元素是否被选中。在这个例子中，b表示选取第1行第1列和第3行第1列的元素。因此，输出结果为1、4和5。

除了布尔值数组之外，还可以使用整数数组和切片对象来进行高级索引。例如，可以使用一个整数数组c来选取矩阵a中指定位置的元素：

c = np.array([0, 1, 0])
print(a[c])

输出结果为：

[[1 2]
 [3 4]
 [1 2]]

其中，c中的每个元素表示对应位置的行索引。在这个例子中，c表示选取第1行、第2行和第1行的元素。因此，输出结果为一个新的矩阵，其中第1行和第3行的元素重复出现了。

最后，对于多维矩阵，可以使用多个切片对象来进行索引。例如，可以使用下面的语句来选取矩阵a的第1和第3行，以及第2和第3列的元素：

print(a[[0,2]][:,1:])

输出结果为：

[[2]
 [6]]

其中，a[[0,2]]表示选取第1和第3行的元素，而[:,1:]表示选取第2和第3列的元素。因此，输出结果为2和6。