首次出现的指标

使用np.argmax沿轴（零轴这里列）非零的面具拿到第一的指标matches（真实值）

(arr!=0).argmax(axis=0)

扩展到涵盖通用轴说明符，并且在沿着该轴找不到元素的非零的情况下，我们将有一个类似的实现-

def first_nonzero(arr, axis, invalid_val=-1):
    mask = arr!=0
    return np.where(mask.any(axis=axis), mask.argmax(axis=axis), invalid_val)

请注意，由于argmax()所有False值都会返回0，因此如果invalid_val需要的话0，我们将直接使用生成最终输出mask.argmax(axis=axis)。

样品运行-

In [296]: arr    # Different from given sample for variety
Out[296]: 
array([[1, 0, 0],
       [1, 1, 0],
       [0, 1, 0],
       [0, 0, 0]])

In [297]: first_nonzero(arr, axis=0, invalid_val=-1)
Out[297]: array([ 0,  1, -1])

In [298]: first_nonzero(arr, axis=1, invalid_val=-1)
Out[298]: array([ 0,  0,  1, -1])

扩展到涵盖所有比较操作

为了找到第一zeros，简单地使用arr==0作为mask在功能使用。对于等于某个特定值的第一个val，arr == val在comparisons此处对所有可能的情况使用等等。

最近一次出现的指标

要找到符合特定比较标准的最后一个，我们需要沿该轴翻转，并使用相同的用法argmax，然后通过偏离轴长来补偿该翻转，如下所示-

def last_nonzero(arr, axis, invalid_val=-1):
    mask = arr!=0
    val = arr.shape[axis] - np.flip(mask, axis=axis).argmax(axis=axis) - 1
    return np.where(mask.any(axis=axis), val, invalid_val)

样品运行-

In [320]: arr
Out[320]: 
array([[1, 0, 0],
       [1, 1, 0],
       [0, 1, 0],
       [0, 0, 0]])

In [321]: last_nonzero(arr, axis=0, invalid_val=-1)
Out[321]: array([ 1,  2, -1])

In [322]: last_nonzero(arr, axis=1, invalid_val=-1)
Out[322]: array([ 0,  1,  1, -1])

同样，comparisons这里所有可能的情况都通过使用相应的比较器进行获取mask，然后在列出的函数中使用来覆盖。