import numpy as np
arr=np.array([0,0,2,3,0,4])
print((arr!=0).argmax(axis=0))
#2

"""
核心函数：
array_1D!=0 ：返回一个True/False序列
array.argmax(axis=0):返回沿axis轴的最大元素的索引，当存在多个相等的最大值时，返回第一个最大值的索引
"""
import numpy as np
 
array_1D = np.array([0,1,0,-1,0])
array_2D = np.array(
    [[0, 1, 0, -1, 0],
     [0, 0, -1, 0, 1],
     [0, 1, -1, 0, 1],
     [4, 0, -1, 0, 1],
     [7, 16, -1, 0, 1]])
 
 
def get_first_non_zero_1D(array_1D):
    first_non_zero = array_1D[(array_1D!=0).argmax(axis=0)]
    return first_non_zero
 
"""
备注：以下三个函数完全等价，个人比较喜欢最后一个 get_first_non_zeros_2D_2，因为看着比较舒服，也可以方便地扩展到更多维度。
"""
 
def get_first_non_zeros_2D(array_2D):
    first_non_zeros = np.array([get_first_non_zero_1D(array_2D[i]) for i in range(array_2D.shape[0])])
    return first_non_zeros
 
def get_first_non_zeros_2D_1(array_2D):
    first_non_zeros = []
    for i in range(array_2D.shape[0]):
        arr = array_2D[i,:]
        first_non_zero = arr[(arr!=0).argmax(axis=0)]
        first_non_zeros.append(first_non_zero)
    return np.array(first_non_zeros)
 
def get_first_non_zeros_2D_2(array_2D):
    none_zero_index = (array_2D!=0).argmax(axis=1)
    # first_non_zeros = np.array([array_2D[i,none_zero_index[i]] for i in range(array_2D.shape[0])])
    first_non_zeros = array_2D[range(array_2D.shape[0]),none_zero_index]
    return first_non_zeros
 
b = get_first_non_zeros_2D(array_2D)
c = get_first_non_zeros_2D_1(array_2D)
d = get_first_non_zeros_2D_2(array_2D)
print(b)
print(c)
print(d)
"""
打印结果：
[ 1 -1  1  4  7]
[ 1 -1  1  4  7]
[ 1 -1  1  4  7]
"""

np.nonzero(ndarray)

# 1维数组
a = [0,2,3]
b = np.nonzero(a)
print(b)
# (array([1, 2], dtype=int64),)
# 说明：索引1和索引2的位置上元素的值非零。

# 2维数组
a = np.array([[0,0,3],[0,0,0],[0,0,9]])
b = np.nonzero(a)
print(b)
# (array([0, 2], dtype=int64), array([2, 2], dtype=int64))
# 说明：
# tuple的每一个元素，从一个维度来确定非零元素的位置。所以对于二维数组，tuple就有两个元素。
# tuple的元素的内容是该维度不为0的元素的位置，排列顺序是数组遍历的顺序。
# 比如确定第一个非零元素的位置：先找tuple内的第一个元素  array([0, 2], dtype=int64)的第一个元素，为0，说明第一个非零元素在第一行；
# 之后tuple内的第二个元素 array([2, 2], dtype=int64)的第一个元素，为2，说明第一个非零元素在第三列。

# 3维数组
a = np.array([[[0,1],[1,0]],[[0,1],[1,0]],[[0,0],[1,0]]])
print(a)
# [[[0 1]
#   [1 0]]
# 
#  [[0 1]
#   [1 0]]
# 
#  [[0 0]
#   [1 0]]]
b = np.nonzero(a)
print(b)
# (array([0, 0, 1, 1, 2], dtype=int64), array([0, 1, 0, 1, 1], dtype=int64), array([1, 0, 1, 0, 0], dtype=int64))
# 说明：由于a是3维数组，因此，索引值数组有3个一维数组，分别代表层、行、列。
# 查找原理和二维数组一致，不再赘述。