通常使用np.argwhere(e == 2)：

In [4]: e = np.array([[1,2,3],[4,5,6]])

In [6]: np.argwhere(e == 2)
Out[6]: array([[0, 1]])

如果您确实需要指定的输出，则必须添加额外的[0]

In [7]: np.argwhere(e == 2)[0]
Out[7]: array([0, 1])

但是，您提供的输入不是标准的数字数组，而是object数组，因为len(e[0]) != len(e[1])：

In [1]: e = np.array([[1,2],[4,5,6]])

In [3]: e
Out[3]: array([list([1, 2]), list([4, 5, 6])], dtype=object)

这使得numpy的用处和效率大大降低。你将不得不采取类似的措施：

In [26]: res = []
    ...: for i, f in enumerate(e):
    ...:     g = np.array(f)
    ...:     w = np.argwhere(g==2)
    ...:     if len(w):
    ...:         res += [(i, v) for v in w]
    ...: res = np.array(res)

假设这是一个错别字，如果你对最接近2的值感兴趣，即使2不存在，你必须这样做：

In [35]: np.unravel_index((np.abs(e - 2.2)).argmin(), e.shape)
Out[35]: (0, 1)

这里我选择2.2作为示例值。

这可以通过定义一个在1D数组上工作的函数并将其应用于2D数组的行来完成：

e = np.array([[1,2,3], [4,5,6]])

# function to find position of nearest value in 1D array
def find_nearest(a, val):
    return np.abs(a - val).argmin()

# apply it 
np.apply_along_axis(find_nearest, axis = 1, arr = e, val = 2)

虽然这是一个老问题，但对于“矩形”数组，就像其他答案一样，它是一行程序

import numpy as np
e = np.array([[1, 2, 3], [4, 5, 6]])
val = 2.4

nearest = np.unravel_index(np.argmin(np.abs(e - val), axis=None), e.shape)

nearest
(0, 1)