若要获取至少有一项大于15的行号：

>>> np.where(np.any(e>15, axis=1))
(array([1, 2], dtype=int64),)

可以使用nonzero函数。它返回给定输入的非零索引。

轻松之路

>>> (e > 15).nonzero()

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

要查看更清晰的索引，请使用transpose方法：

>>> numpy.transpose((e>15).nonzero())

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

不坏的方式

>>> numpy.nonzero(e > 15)

(array([1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), array([6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))

或者是干净的方式：

>>> numpy.transpose(numpy.nonzero(e > 15))

[[1 6]
 [1 7]
 [1 8]
 [1 9]
 [2 0]
 ...

**一个简单而干净的方法：**使用np.argwhere来按元素分组索引，而不是像np.nonzero(a)那样按维度分组（即np.argwhere为每个非零元素返回一行）。

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.argwhere(a>4)
array([[5],
       [6],
       [7],
       [8],
       [9]])

np.argwhere(a)几乎与np.transpose(np.nonzero(a))相同，但它为0-d数组产生正确形状的结果。

**注意：**不能使用a(np.argwhere(a>4))获取a中对应的值。推荐的方法是使用a[(a>4).astype(bool)]或a[(a>4) != 0]而不是a[np.nonzero(a>4)]，因为它们可以正确处理0-d数组。有关详细信息，请参阅文档。从下面的例子中可以看出，a[(a>4).astype(bool)]和a[(a>4) != 0]可以简化为a[a>4]。
另一个例子：

>>> a = np.array([5,-15,-8,-5,10])
>>> a
array([  5, -15,  -8,  -5,  10])
>>> a > 4
array([ True, False, False, False,  True])
>>> a[a > 4]
array([ 5, 10])
>>> a = np.add.outer(a,a)
>>> a
array([[ 10, -10,  -3,   0,  15],
       [-10, -30, -23, -20,  -5],
       [ -3, -23, -16, -13,   2],
       [  0, -20, -13, -10,   5],
       [ 15,  -5,   2,   5,  20]])
>>> a = np.argwhere(a>4)
>>> a
array([[0, 0],
       [0, 4],
       [3, 4],
       [4, 0],
       [4, 3],
       [4, 4]])
>>> for i,j in a: print(i,j)
... 
0 0
0 4
3 4
4 0
4 3
4 4

当您只需要行idx时，我更喜欢np.flatnonzero(arr)而不是nonzero()选项。arr.nonzero()可以工作，但是它返回一个元组而不是一个数组。flatnonzero()等于np.nonzero(np.ravel(arr))[0]。
正如在评论中提到的，np.where()不被NumPy文档所鼓励。