python numpy.where()函式的用法
阿新 • • 發佈:2018-12-20
numpy.where(condition[,x,y])
返回元素,可以是x或y,具體取決於條件(condition)
對於不同的輸入,where返回的值是不同的。
引數: | ccondition:array_llike,bool |
如果為True,則產生x,否則產生y。 | |
x,y:array_like,可選 | |
要從中選擇的值。x,y和條件需要可以播放到某種形狀。 | |
返回值: |
out:ndarray或ndarray元組 |
如果同時指定了x和y,則輸出陣列包含x的元素,其中condition為True,其他元素來自y。如果只給出條件,則返回元組condition.nanzero(),條件為True的索引。 |
Example:
當陣列是一維陣列時,返回的值是一維的索引,所以只有一組索引陣列
In [1]: a = np.arange(8)
In [2]: a
Out[2]: array([0, 1, 2, 3, 4, 5, 6, 7])
In [3]: np.where(a>4)
Out[3]: (array([5, 6, 7], dtype=int64),)
當陣列是二維陣列時,滿足條件的陣列值返回的是值的位置索引,因此會有兩組索引陣列來表示值的位置,返回的第一個array表示行座標,第二個array表示縱座標,兩者一一對應
In [4]: b = np.arange(4*5).reshape(4,5) In [5]: b Out[5]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) In [6]: np.where(b>14) Out[6]: (array([3, 3, 3, 3, 3], dtype=int64), array([0, 1, 2, 3, 4], dtype=int64))
當條件(condition)為多維陣列時,根據條件中為True則選擇x中相應的數值,為False選擇y中相應的數值
In [7]: np.where([[False, True], [False, True]],
[[5, 3], [7, 9]],
[[2, 6], [1, 8]])
Out[7]:
array([[2, 3],[1, 9]])
第一個元素中的第一個值為False,所以選擇y中的2,第二個值為True,選擇x中3,第二個元素中的第一個值為False,所以選擇y中的1,第二個值為True,選擇x中9.
當引數中只給出條件時,則返回非零元素的索引:
In [8]: np.where([[0, 1], [1, 1]])
Out[8]: (array([0, 1, 1], dtype=int64), array([1, 0, 1], dtype=int64))
In [9]: x = np.arange(12.).reshape(4, 3)
In [10]: x
Out[10]:
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.],
[ 9., 10., 11.]])
In [11]: np.where(x>7)
Out[11]: (array([2, 3, 3, 3], dtype=int64), array([2, 0, 1, 2], dtype=int64))
In [12]: x[np.where( x > 6.0 )]
Out[12]: array([ 7., 8., 9., 10., 11.])
In [13]: np.where(x < 8, x, np.nan)
Out[13]:
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., nan],
[ nan, nan, nan]])
根據找到的元素的索引找到元素的具體位置
In [14]: x = np.arange(12.).reshape(4, 3)
In [15]: x
Out[15]:
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.],
[ 9., 10., 11.]])
In [16]: positions = [2,6,10]
In [17]: ins = np.isin(x,positions)
In [18]: ins
Out[18]:
array([[False, False, True],
[False, False, False],
[ True, False, False],
[False, True, False]], dtype=bool)
In [19]: np.where(ins)
Out[19]: (array([0, 2, 3], dtype=int64), array([2, 0, 1], dtype=int64))