本文主要和大家介紹了詳解Python中where()函數的用法,小編覺得挺不錯的,現在分享給大家,也給大家做個參,希望能幫助到大家。
where()的用法
首先強調一下,where()函數對於不同的輸入,傳回的只是不同的。
1當數組是一維數組時,傳回的值是一維的索引,所以只有一組索引數組
2當數組是二維數組時,滿足條件的數組值傳回的是值的位置索引,因此會有兩組索引數組來表示值的位置
例如
>>>b=np.arange(10) >>>b array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>>np.where(b>5) (array([6, 7, 8, 9], dtype=int64),) >>>a=np.reshape(np.arange(20),(4,5)) >>>a array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) >>>np.where(a>10) (array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64), array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))
對numpy標準庫裡的解釋做一個介紹:
numpy.where(condition[, x, y])
基於條件condition,回傳值來自x或y.
如果.
參數: |
condition : 數組,bool值 When True, yield x, otherwise yield y. x, y : array_like, 可選 x與y的shape要相同,當condition中的值是true時回傳x對應位置的值,false是回傳y的 |
---|---|
回傳值: |
out : ndarray or tuple of ndarrays ①如果參數有condition,x和y,它們三個參數的shape是相同的。那麼,當condition中的值是true時回傳x對應位置的值,false是回傳y的。 ②如果參數只有condition的話,回傳值是condition中元素值為true的位置索引,切是以元組形式傳回,元組的元素是ndarray數組,表示位置的索引 |
>>> np.where([[True, False], [True, True]], ... [[1, 2], [3, 4]], ... [[9, 8], [7, 6]]) array([[1, 8], [3, 4]]) >>> >>> np.where([[0, 1], [1, 0]]) (array([0, 1]), array([1, 0])) >>> >>> x = np.arange(9.).reshape(3, 3) >>> np.where( x > 5 ) (array([2, 2, 2]), array([0, 1, 2])) >>> x[np.where( x > 3.0 )] # Note: result is 1D. array([ 4., 5., 6., 7., 8.]) >>> np.where(x < 5, x, -1) # Note: broadcasting. array([[ 0., 1., 2.], [ 3., 4., -1.], [-1., -1., -1.]]) Find the indices of elements of x that are in goodvalues. >>> >>> goodvalues = [3, 4, 7] >>> ix = np.in1d(x.ravel(), goodvalues).reshape(x.shape) >>> ix array([[False, False, False], [ True, True, False], [False, True, False]], dtype=bool) >>> np.where(ix) (array([1, 1, 2]), array([0, 1, 1]))
兩種方法的範例程式碼
第一種用法
np.where(conditions,x,y)
if (condituons成立):
數組變x
else:
數組變y
import numpy as np ''' x = np.random.randn(4,4) print(np.where(x>0,2,-2)) #试试效果 xarr = np.array([1.1,1.2,1.3,1.4,1.5]) yarr = np.array([2.1,2.2,2.3,2.4,2.5]) zarr = np.array([True,False,True,True,False]) result = [(x if c else y) for x,y,c in zip(xarr,yarr,zarr)] print(result) #where()函数处理就相当于上面那种方案 result = np.where(zarr,xarr,yarr) print(result) ''' #发现个有趣的东西 # #处理2组数组 # #True and True = 0 # #True and False = 1 # #False and True = 2 # #False and False = 3 cond2 = np.array([True,False,True,False]) cond1 = np.array([True,True,False,False]) #第一种处理 太长太丑 result = [] for i in range(4): if (cond1[i] & cond2[i]): result.append(0); elif (cond1[i]): result.append(1); elif (cond2[i]): result.append(2); else : result.append(3); print(result) #第二种 直接where() 很快很方便 result = np.where(cond1 & cond2,0,np.where(cond1,1,np.where(cond2,2,3))) print(result) #第三种 更简便(好像这跟where()函数半毛钱的关系都没有 result = 1*(cond1 & -cond2)+2*(cond2 & -cond1)+3*(-(cond1 | cond2)) (没想到还可以这么表达吧) print(result)
第二種用法
#where(conditions)
相當於給出數組的下標
x = np.arange(16) print(x[np.where(x>5)]) #输出:(array([ 6, 7, 8, 9, 10, 11, 12, 13, 14, 15], dtype=int64),) x = np.arange(16).reshape(-1,4) print(np.where(x>5)) #(array([1, 1, 2, 2, 2, 2, 3, 3, 3, 3], dtype=int64), array([2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int64)) #注意这里是坐标是前面的一维的坐标,后面是二维的坐标
ix = np.array([[False, False, False], [ True, True, False], [False, True, False]], dtype=bool) print(np.where(ix)) #输出:(array([1, 1, 2], dtype=int64), array([0, 1, 1], dtype=int64))
以上是Python中where()函數的用法詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章!