在NumPy数组中查找元素并记录位置——3D模型面邻接矩阵分析

架构老林

2026-5-19

没问题，这个需求用NumPy的矩阵操作就能轻松实现，我给你一步步拆解怎么做：

核心思路

你提到的左下三角区域对应数组中行索引大于列索引的位置（排除对角线，因为对角线是面自己和自己，不存在邻接关系），我们只需要定位这些位置，统计其中值为1的数量，同时记录它们的坐标即可。

代码实现

先给你一个完整的示例，假设我们有这样一个邻接矩阵（用0索引对应你的1-based面编号，后面会说怎么转换回去）：

import numpy as np

# 示例邻接矩阵：(1,0)和(2,0)是凹连接，右上三角是凸连接
adj_matrix = np.array([
    [0, 1, 1],
    [1, 0, 1],
    [1, 0, 0]
])

# 1. 获取左下三角（i > j，排除对角线）的所有索引
row_idx, col_idx = np.tril_indices(adj_matrix.shape[0], k=-1)

# 2. 提取这些位置的元素，统计凹连接数量
concave_count = np.sum(adj_matrix[row_idx, col_idx] == 1)

# 3. 记录凹连接的位置（如果你的面是1-based编号，就给索引加1）
# 转换为1-based的面编号对，比如(2,1)表示面2和面1的凹连接
concave_positions = list(zip(row_idx + 1, col_idx + 1))

# 输出结果
print(f"凹连接总数：{concave_count}")
print(f"凹连接的面对（1-based）：{concave_positions}")

代码解释

np.tril_indices(n, k=-1)：这个函数会返回n阶矩阵中所有满足行索引 > 列索引的位置，正好对应你说的左下三角区域（k=-1表示排除对角线，避免统计面自己和自己的无效连接）。
统计数量：我们直接提取这些位置的元素，求和等于1的个数，就是凹连接的总数。
位置转换：如果你的面编号是从1开始的，只需要给索引加1，就能得到和你描述一致的“面1、面2”这样的编号对。