Python Numpy count_nonzero函数详解
在Numpy中，count_nonzero函数可以用来返回数组中非零元素的数量，函数的定义如下：
numpy.count_nonzero(a, axis=None)
其中，a表示输入的数组，axis表示沿着哪个维度统计非零元素的数量，默认为None，表示统计整个数组中的非零元素数量。
下面，我们通过两个示例来更详细地说明count_nonzero函数的使用方法。
示例1
import numpy as np
a = np.array([[1, 0, 3], [0, 5, 6], [7, 0, 9]])
count = np.count_nonzero(a)
print('a数组中非零元素的数量为：', count)
输出结果为：
a数组中非零元素的数量为： 6
在示例1中，我们通过创建一个二维数组a，并将其作为count_nonzero函数的输入，来统计数组中非零元素的数量。在这个例子中，a数组中总共有9个元素，其中6个是非零元素，因此count的值就是6。
示例2
import numpy as np
a = np.array([[1, 0, 3], [0, 5, 6], [7, 0, 9]])
count_axis0 = np.count_nonzero(a, axis=0)
count_axis1 = np.count_nonzero(a, axis=1)
print('a数组沿着axis=0维度上非零元素的数量为：', count_axis0)
print('a数组沿着axis=1维度上非零元素的数量为：', count_axis1)
输出结果为：
a数组沿着axis=0维度上非零元素的数量为： [2 1 3]
a数组沿着axis=1维度上非零元素的数量为： [2 2 2]
在示例2中，我们同样是创建了一个二维数组a，并将其作为count_nonzero函数的输入。不同的是，在这个例子中，我们通过设置axis参数来指定沿着哪个维度统计非零元素的数量。具体来说，设置axis=0表示沿着第0维度（即列）统计非零元素的数量，设置axis=1表示沿着第1维度（即行）统计非零元素的数量。在这个例子中，我们分别统计了沿着列和行方向的非零元素数量，并将结果保存在count_axis0和count_axis1中。
通过以上两个示例，我们可以看出，count_nonzero函数的使用非常简单，可以很容易地统计一个数组中的非零元素数量，并且可以通过设置axis参数来指定统计的维度。在实际中，count_nonzero函数经常被用于统计图像中的非零像素数量，以及计算各种特征值等场景。