在多维numpy数组中查找非零索引

我有一个numpy数组,如下所示:

np.array([
         [1, 0, 0.5, 1, 0],
         [0, 0, 0,   0, 0],
         [1, 0, 0,   1, 0]
        ])

有人能提出获得一维索引数组的最快方法吗?其中,对于每个索引,数组中至少有一行的索引处有一个值>0?因此,对于上面的数组,所需的输出是(数据类型是什么并不重要,即列表与数组与系列等):

[0, 2, 3]

如果以上内容不清楚,请告诉我。目前,在我的真实用例中(如下),我从一个数据帧开始,转换为序列,转向numpy数组,获取非零索引,在这些索引处获取列。然而,我怀疑对数据帧进行一次操作(转换为numpy数组之后)会比 iterrows() 方法:

df1 = pd.DataFrame([
                   [1, 0, 0.5, 1, 0],
                   [0, 0, 0,   0, 0],
                   [1, 0, 0,   1, 0]
                  ], 
                  columns = ['c1', 'c2, 'c3', 'c4', 'c5'], 
                  index = ['r1', 'r2', 'r3'])
set1 = set()
#This is what I would like to replace by going np.some_np_function(df1.to_numpy())
for protein, row in df1.iterrows():  
    non_zero_indexes = list(row.to_numpy().nonzero()[0])
    columns_with_positive = [p for i,p in enumerate(row.index) if i in non_zero_indexes]
    set1.update(columns_with_positive)

谢谢 蒂姆