numpy.where() 用法詳解
numpy.where (condition[, x, y])
numpy.where() 有兩種用法:
1. np.where(condition, x, y)
滿足條件(condition),輸出x,不滿足輸出y。
如果是一維數(shù)組,相當(dāng)于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]
>>> aa = np.arange(10)
>>> np.where(aa,1,-1)
array([-1, 1, 1, 1, 1, 1, 1, 1, 1, 1]) # 0為False,所以第一個(gè)輸出-1
>>> np.where(aa > 5,1,-1)
array([-1, -1, -1, -1, -1, -1, 1, 1, 1, 1])
>>> np.where([[True,False], [True,True]], # 官網(wǎng)上的例子
[[1,2], [3,4]],
[[9,8], [7,6]])
array([[1, 8],
[3, 4]])
上面這個(gè)例子的條件為[[True,False], [True,False]],分別對(duì)應(yīng)最后輸出結(jié)果的四個(gè)值。第一個(gè)值從[1,9]中選,因?yàn)闂l件為True,所以是選1。第二個(gè)值從[2,8]中選,因?yàn)闂l件為False,所以選8,后面以此類推。類似的問題可以再看個(gè)例子:
>>> a = 10
>>> np.where([[a > 5,a < 5], [a == 10,a == 7]],
[["chosen","not chosen"], ["chosen","not chosen"]],
[["not chosen","chosen"], ["not chosen","chosen"]])
array([['chosen', 'chosen'],
['chosen', 'chosen']], dtype='<U10')
2. np.where(condition)
只有條件 (condition),沒有x和y,則輸出滿足條件 (即非0) 元素的坐標(biāo) (等價(jià)于numpy.nonzero)。這里的坐標(biāo)以tuple的形式給出,通常原數(shù)組有多少維,輸出的tuple中就包含幾個(gè)數(shù)組,分別對(duì)應(yīng)符合條件元素的各維坐標(biāo)。
>>> a = np.array([2,4,6,8,10]) >>> np.where(a > 5) # 返回索引 (array([2, 3, 4]),) >>> a[np.where(a > 5)] # 等價(jià)于 a[a>5] array([ 6, 8, 10]) >>> np.where([[0, 1], [1, 0]]) (array([0, 1]), array([1, 0]))
上面這個(gè)例子條件中[[0,1],[1,0]]的真值為兩個(gè)1,各自的第一維坐標(biāo)為[0,1],第二維坐標(biāo)為[1,0] 。
下面看個(gè)復(fù)雜點(diǎn)的例子:
>>> a = np.arange(27).reshape(3,3,3)
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
>>> np.where(a > 5)
(array([0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2]),
array([2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2]),
array([0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]))
# 符合條件的元素為
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]]
所以np.where會(huì)輸出每個(gè)元素的對(duì)應(yīng)的坐標(biāo),因?yàn)樵瓟?shù)組有三維,所以tuple中有三個(gè)數(shù)組。
1、numpy.where的返回結(jié)果
numpy.where調(diào)用方式為numpy.where(condition,1,2)
滿足條件的位置上返回結(jié)果1,不滿足的位置上返回結(jié)果2
例如通過where()函數(shù)將a數(shù)組中負(fù)值設(shè)為0,正值不變

如果沒有指定返回結(jié)果,只有查找條件則返回滿足條件的位置。返回的結(jié)果是一個(gè)元組(tuple),包含兩個(gè)數(shù)組,第一個(gè)數(shù)組紀(jì)錄的是行,第二個(gè)數(shù)組紀(jì)錄的是列。

可以使用zip函數(shù)將返回的位置組成一個(gè)個(gè)坐標(biāo)對(duì),方便調(diào)用。zip函數(shù)直接返回的是一個(gè)對(duì)象,可以用過for循環(huán)遍歷出里面的元素,也可以使用list直接列出所有坐標(biāo)對(duì)元素。

2、numpy.where多條件查詢
與: numpy.where((con1)*(con2))或者用&
或:numpy.where((con1)|(con2)) (重點(diǎn):多條件查詢時(shí)條件一定要用括號(hào)!一定要用括號(hào)!一定要用括號(hào)!)

以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
pandas實(shí)現(xiàn)將dataframe滿足某一條件的值選出
今天小編就為大家分享一篇pandas實(shí)現(xiàn)將dataframe滿足某一條件的值選出,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-06-06
python可視化分析繪制帶趨勢線的散點(diǎn)圖和邊緣直方圖
這篇文章主要介紹了python可視化分析繪制帶趨勢線的散點(diǎn)圖和邊緣直方圖,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的小伙伴可以參考一下2022-06-06
Python?PaddleNLP開源實(shí)現(xiàn)快遞單信息抽取
這篇文章主要為大家介紹了Python?PaddleNLP開源項(xiàng)目實(shí)現(xiàn)對(duì)快遞單信息抽取,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-06-06
python實(shí)現(xiàn)登錄與注冊(cè)功能
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)登錄與注冊(cè)功能,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-01-01
如何用Python中Tushare包輕松完成股票篩選(詳細(xì)流程操作)
這篇文章主要介紹了如何用Python中Tushare包輕松完成股票篩選(詳細(xì)流程操作),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
Python中利用all()來優(yōu)化減少判斷的實(shí)例分析
在本篇文章里小編給大家整理的是一篇關(guān)于Python中利用all()來優(yōu)化減少判斷的實(shí)例分析內(nèi)容,有需要的朋友們可以學(xué)習(xí)下。2021-06-06

