如何对object类型NumPy数组逐行查找超阈值的元素索引

你当前的NumPy数组是dtype=object类型，数组的每个元素都是Python原生list，并非数值型的NumPy子数组，NumPy不支持直接将list和浮点数做>大小比较，因此触发类型错误。

涉及的数组结构：

array([list([0.28552457, 0.28552457, 0.28552457, 0.28552457, 0.28552457]),
       list([0.71641791, 0.71641791, 0.71641791, 0.69565217, 0.69565217]),
       list([0.95626478, 0.95626478, 0.95513577, 0.95513577, 0.95513577]),
       ...,
       list([0.14285714, 0.14285714, 0.14285714, 0.14285714, 0.13793103]),
       list([0.73846154, 0.73846154, 0.73846154, 0.71641791, 0.71641791]),
       list([0.72727273, 0.72727273, 0.72727273, 0.70588235, 0.70588235])],
      dtype=object)

原执行代码：

np.argwhere(y>0.5)

报错信息：

TypeError: '>' not supported between instances of 'list' and 'float'

根据数组结构选择对应方法即可：

• 所有子列表长度一致时（你的示例属于该场景），先转成标准数值二维数组再执行原逻辑，运行效率最高：

# 转换为float类型二维数值数组
y = np.array(y.tolist(), dtype=np.float64)
# 直接执行查找，返回结果每行对应*行索引*和*列索引*
z = np.argwhere(y > 0.5)

• 存在子列表长度不一致的情况时，逐行遍历处理：

res = []
for row_id, row in enumerate(y):
    # 逐行转数组比较，收集符合条件的列索引
    for col_id in np.argwhere(np.array(row) > 0.5).flatten():
        res.append([row_id, col_id])
z = np.array(res)

内容的提问来源于stack exchange，提问作者sudojarvis