淺談numpy.where() 的用法和np.argsort()的用法說明
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]])
上面這個例子的條件為[[True,False], [True,False]]，分別對應(yīng)最后輸出結(jié)果的四個值。第一個值從[1,9]中選，因為條件為True，所以是選1。第二個值從[2,8]中選，因為條件為False，所以選8，后面以此類推。類似的問題可以再看個例子：
>>> 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中就包含幾個數(shù)組，分別對應(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)] # 等價于 a[a>5] array([ 6, 8, 10]) >>> np.where([[0, 1], [1, 0]]) (array([0, 1]), array([1, 0]))
上面這個例子條件中[[0,1],[1,0]]的真值為兩個1，各自的第一維坐標(biāo)為[0,1]，第二維坐標(biāo)為[1,0] 。
下面看個復(fù)雜點的例子：
>>> 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會輸出每個元素的對應(yīng)的坐標(biāo)，因為原數(shù)組有三維，所以tuple中有三個數(shù)組。
需要注意的一點是，輸入的不能直接是list，需要轉(zhuǎn)為array或者為array才行。比如range(10)和np.arange(10)后者返回的是數(shù)組，使用np.where才能達到效果。
np.argsort()的用法
numpy.argsort(a, axis=-1, kind='quicksort', order=None)
argsort(a)#獲取a從小到大排列的數(shù)組
argsort(-a)#獲取a從大到小排列的數(shù)組
argmin(a)#獲取a最小值下標(biāo)
argmax(a)#獲取a最大值下標(biāo)
功能: 將矩陣a按照axis排序，并返回排序后的下標(biāo)
參數(shù): a:輸入矩陣， axis:需要排序的維度
返回值: 輸出排序后的下標(biāo)
(一維數(shù)組)
import numpy as np x = np.array([1,4,3,-1,6,9]) x.argsort() # array([3, 0, 1, 2, 4, 5], dtype=int64)
可以發(fā)現(xiàn)，argsort()是將X中的元素從小到大排序后，提取對應(yīng)的索引index，然后輸出到y(tǒng)
如x[3]=-1最小，x[5]=9最大
所以取數(shù)組x的最小值可以寫成:
x[x.argsort()[0]]
或者用argmin()函數(shù)
x[x.argmin()]
數(shù)組x的最大值，寫成：
x[x.argsort()[-1]] # -1代表從后往前反向的索引
或者用argmax()函數(shù),不再詳述
x[x.argmax()]
輸出排序后的數(shù)組
x[x.argsort()] # 或 x[np.argsort(x)]
(二維數(shù)組)
x = np.array([[1,5,4],[-1,6,9]]) # [[ 1 5 4] # [-1 6 9]]
沿著行向下(每列)的元素進行排序
np.argsort(x,axis=0) # array([[1, 0, 0], # [0, 1, 1]], dtype=int64)
沿著列向右(每行)的元素進行排序
np.argsort(x,axis=1) # array([[0, 2, 1], # [0, 1, 2]], dtype=int64)
補充：Numpy.unravel_index()和Numpy.argsort()
由于編程和文筆都較差，寫的不好請見諒...
今天下午學(xué)習(xí)LDA模型的python實現(xiàn)，其中用到了Numpy庫，想詳細(xì)了解用到的每個函數(shù)，便在網(wǎng)上找資料。
其中遇到了Numpy.unravel_index()和Numpy.argsort()，看了好半天才弄懂orz心血來潮記錄一下
首先，附上英文官方文檔。https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.argsort.html和https://docs.scipy.org/doc/numpy/reference/generated/numpy.unravel_index.html
講講我對Numpy.argsort()的理解：
numpy.argsort(a, axis=-1, kind='quicksort', order=None)
參數(shù)說明：a要排序的數(shù)組，
axis整型或者None，如果是None，數(shù)組將變成扁平數(shù)組（即變成一行數(shù)組）
kind排序算法，快排，歸并排序，堆排序...
order自定義字段順序
返回： index_array ：n維下標(biāo)數(shù)組
實例：一維數(shù)組
二維數(shù)組
然后講講我對numpy.unravel_index的理解~
numpy.unravel_index(indices, dims, order='C')
參數(shù)說明：indices數(shù)組
dims數(shù)組的維度大小
order:{C,F}（C行為主，F(xiàn)列為主）
返回： unraveled_coords為n維數(shù)組的元組
實例： 這個地方想了好久才明白T T
簡單解釋一下，22/6=3......4
總算寫完了！
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關(guān)文章
本文主要介紹了Django中Cookie設(shè)置及跨域問題處理，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
利用Anaconda完美解決Python 2與python 3的共存問題
Anaconda 是 Python 的一個發(fā)行版，如果把 Python 比作 Linux，那么 Anancoda 就是 CentOS 或者 Ubuntu，下面這篇文章主要給大家介紹了利用Anaconda完美解決Python 2與python 3共存問題的相關(guān)資料，文中介紹的非常詳細(xì)，需要的朋友可以參考借鑒。2017-05-05
在VSCode中搭建Python開發(fā)環(huán)境并進行調(diào)試
這篇文章介紹了在VSCode中搭建Python開發(fā)環(huán)境并進行調(diào)試的方法，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
logger是python的內(nèi)置模塊，用以輸出代碼運行過程中的運行情況，極大的方便了我們的debug過程，本文通過實例代碼給大家介紹了Python中l(wèi)ogger模塊的使用教程,需要的朋友可以參考下2023-06-06
Python數(shù)據(jù)結(jié)構(gòu)集合set教程示例詳解
這篇文章主要為大家介紹了Python數(shù)據(jù)結(jié)構(gòu)集合set教程示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-09-09
Pycharm安裝并配置jupyter notebook的實現(xiàn)
這篇文章主要介紹了Pycharm安裝并配置jupyter notebook的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05
pandas分組排序 如何獲取第二大的數(shù)據(jù)
這篇文章主要介紹了pandas分組排序 獲取第二大的數(shù)據(jù)的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
這篇文章主要介紹了Python遞歸生成全排列序列實操,文章給予Python遞歸的相關(guān)資料展開對全排列序列的實現(xiàn)介紹，需要的小伙伴可以參考一下2022-04-04
這篇文章主要為大家介紹了Python結(jié)合spaCy進行簡易自然語言處理詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-06-06
這篇文章主要介紹了Flask前后端分離項目案例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07