如何使用numpy.where创建符号变化位置的索引向量

要实现这个需求，核心是检测相邻元素的符号是否发生变化，再用numpy.where()提取对应索引，具体步骤如下：

1. 构造相邻元素对：通过切片操作获取原向量的前n-1个元素（v[:-1]）和后n-1个元素（v[1:]），两者对应位置的元素即为相邻元素对。
2. 检测符号变化：用np.sign()获取每个元素的符号（正数返回1，负数返回-1，0返回0），比较相邻元素的符号是否不等，得到布尔掩码数组。
3. 提取索引：用np.where()筛选出掩码中为True的位置，这些位置就是原向量中符号变化发生的前一个元素的索引。

代码示例 #

import numpy as np

# 输入向量
v = np.array([1, 2, -1, 2, 3, -1, 3, -10, -10, -10])
# 生成符号变化的布尔掩码
sign_change_mask = np.sign(v[:-1]) != np.sign(v[1:])
# 获取符号变化的位置索引
change_indices = np.where(sign_change_mask)[0]

print(change_indices)  # 输出: [1 2 4 5 6]

补充说明 #

• 如果需要忽略0参与的符号变化（比如0和正数不算变化），可以将条件改为np.sign(v[:-1]) * np.sign(v[1:]) < 0，这样只有正负相乘为负的情况才会被检测到。
• 该方法适用于任意长度的numpy数组，效率远高于循环遍历。

内容的提问来源于stack exchange，提问作者Lucian Schipor