Python中如何获取数组从1转换为0时的索引位置

问题描述 #

给定数组：

val = [[1,1,1,0,0,1,1,0,0,0], [0,1,1,1,0,1,1,0,0,0]]

需要提取数组中值从1转换为0的索引位置，预期输出：

[[(2,3),(4,5),(6,7)],[(0,1),(3,4),(4,5),(6,7)]]

尝试使用np.gradient的代码：

import numpy as np

X = np.gradient(val, axis=1)
Y = np.gradient(val, axis=0)
         
trans_YX = np.array(list(zip(Y.ravel(), X.ravel())), dtype('f4,f4')).reshape(Y.shape)

当前输出（梯度值数组）：

[[(-1.,  0. ) ( 0.,  0. ) ( 0., -0.5) ( 1., -0.5) ( 0.,  0.5) ( 0.,  0.5)
  ( 0., -0.5) ( 0., -0.5) ( 0.,  0. ) ( 0.,  0. )]
 [(-1.,  1. ) ( 0.,  0.5) ( 0.,  0. ) ( 1., -0.5) ( 0.,  0. ) ( 0.,  0.5)
  ( 0., -0.5) ( 0., -0.5) ( 0.,  0. ) ( 0.,  0. )]]

更优实现方法 #

针对离散二进制数组的1→0转换检测，使用np.diff是更直接高效的方案，逻辑如下：

1. 对每一行计算相邻元素的差值（后项减前项）
2. 当差值为-1时，说明前一个元素是1、后一个是0，对应转换位置为(i, i+1)（i为当前差值的索引）

代码实现 #

import numpy as np

val = np.array([[1,1,1,0,0,1,1,0,0,0], [0,1,1,1,0,1,1,0,0,0]])
result = []

for row in val:
    # 计算行内相邻元素的差值
    row_diffs = np.diff(row)
    # 定位差值为-1的索引（即1→0的转换起始点）
    transition_indices = np.where(row_diffs == -1)[0]
    # 转换为预期的索引对格式
    row_result = [(idx, idx+1) for idx in transition_indices]
    result.append(row_result)

print(result)

方案优势 #

• 逻辑精准：直接匹配“1转0”的定义，无需处理梯度带来的浮点值筛选问题
• 效率更高：np.diff仅做简单的元素减法运算，计算量远小于梯度计算
• 结果直接：一步得到预期的索引对格式，无需额外的数据转换或筛选

内容的提问来源于stack exchange，提问作者Bhar Jay