np.where方法怎么在Numpy中使用 - 行业资讯 - 肥雀云

　　介绍

本篇文章为大家展示了np.where方法怎么在Numpy中使用,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。

<代码> Numpy。(x, y)(条件)

numpy.where()有两种用法:

1。np。(条件,x, y)

满足条件(条件)、输出x,不满足输出y。

如果是一维数组,相当于[十五如果c其他青年志愿(c、十五、青年志愿)邮政(条件,x, y)]

在祝辞祝辞,aa =, np.arange (10) 　　在祝辞祝辞,np.where (aa, 1, 1) 　　数组([1,1,1,1,1,1,1,1,1,1]),#,0为False,所以第一个输出1 　　祝辞祝辞祝辞,np.where (aa 祝辞,5、1、1) 　　数组([1,1,1,1,1,1,1,1,1,1]) 　　　　祝辞祝辞祝辞,np.where([[真,假],,[真,真]],,,#,官网上的例子　　,,[[1,2],[3,4]], 　　,,,,,,[[9 8],[7,6]]) 　　数组([[1,,8], 　　,,[3,4]])

上面这个例子的条件为[[真,假],[真,假]],分别对应最后输出结果的四个值。第一个值从[1,9]中选,因为条件为真实的,所以是选1。第二个值从[2,8]中选,因为条件为False,所以选8日后面以此类推。类似的问题可以再看个例子:

在祝辞祝辞,a =10 　　在祝辞祝辞,np.where ([[a 祝辞,5,a & lt;, 5],, (a ==, 10, a ==, 7]], 　　,,,,,,[[“chosen",“not chosen"],, (“chosen",“not chosen"]], 　　,,,,,,[[“not chosen",“chosen"],, (“not chosen",“chosen"]]) 　　　　阵列([[& # 39;选择# 39;,,& # 39;选择# 39;], 　　,,,(& # 39;选择# 39;,,& # 39;选择# 39;]],dtype=& # 39; & lt; U10& # 39;)

2。np.where(条件)

只有条件(条件),没有x和y,则输出满足条件(即非0)元素的坐标(等价于numpy.nonzero)。这里的坐标以元组的形式给出,通常原数组有多少维,输出的元组中就包含几个数组,分别对应符合条件元素的各维坐标。

在祝辞祝辞,a =, np.array ((2、4、6、8、10]) 　　在祝辞祝辞,np.where(祝辞a 5),, #,返回索引　　(数组([2,3,4]),),, 　　在祝辞祝辞,(np.where(祝辞a 5)],,, #,等价于,一个(a> 5) 　　数组([,6、8日,10]) 　　　　在祝辞祝辞,np.where ([[0, 1], [1, 0]]) 　　(数组([0,1]),数组((1,0)))

上面这个例子条件中[[0,1],[1,0]]的真值为两个1,各自的第一维坐标为[0,1],第二维坐标为(1,0)。

下面看个复杂点的例子:

在祝辞祝辞,a =, np.arange (27) .reshape (3, 3, 3) 　　,在的在的在一个　　数组([[[,0,1,2), 　　(,,,,3,4,5], 　　,,,(,6,7,8)), 　　　　,,,[[,9,10,11), 　　,,,(12日,13日,14日), 　　,,,(15日,16日,17日]], 　　　　,,,[[18日,19日,20日), 　　,,,(21日,22日,23日), 　　,,,(24日,25日,26日]]]) 　　　　在祝辞祝辞,np.where(祝辞a 5) 　　(数组([0,0,0,1,1,1,1,1,1,1,1,1,,2,,2,,2,,2,,2,,2,,2,,2,,2]), 　　,数组([2,,2,,2,,0,0,0,1,1,1,,2,,2,,2,,0,0,0,1,1,1,,2,,2,,2]), 　　,数组([0,,1,,2,,0,,1,,2,,0,,1,,2,,0,,1,,2,,0,,1,,2,,0,,1,,2,,0,,1,,2])) 　　　　#,符合条件的元素为　　[才能,6,7,8)), 　　　　,,[[,9,10,11), 　　,,,(12日,13日,14日), 　　,,,(15日,16日,17日]], 　　　　,,[[18日,19日,20日), 　　,,,(21日,22日,23日), 　　,,,(24日,25日,26日]]]

所以np.where会输出每个元素的对应的坐标,因为原数组有三维,所以元组中有三个数组。