C语言学习网

如何使用np.where()[0] 和 np.where()[1]

发表于:2022-12-07 作者:安全数据网编辑
编辑最后更新 2022年12月07日,如何使用np.where()[0] 和 np.where()[1]?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。具体如下:import

如何使用np.where()[0] 和 np.where()[1]?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

具体如下:

import numpy as np a = np.arange(12).reshape(3,4)print('a:', a)print('np.where(a > 5):', np.where(a > 5))print('a[np.where(a > 5)]:', a[np.where(a > 5)])print('np.where(a > 5)[0]:', np.where(a > 5)[0])print('np.where(a > 5)[1]:', np.where(a > 5)[1])print(a[np.where(a > 5)[0], np.where(a > 5)[1]])
a: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]np.where(a > 5): (array([1, 1, 2, 2, 2, 2]), array([2, 3, 0, 1, 2, 3]))a[np.where(a > 5)]: [ 6 7 8 9 10 11]np.where(a > 5)[0]: [1 1 2 2 2 2]np.where(a > 5)[1]: [2 3 0 1 2 3][ 6 7 8 9 10 11]

np.where()[0] 表示行索引,np.where()[1]表示列索引

numpy.where() 有两种用法:

1. np.where(condition, x, y)

满足条件(condition),输出x,不满足输出y。

如果是一维数组,相当于[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为False,所以第一个输出-1>>> np.where(aa > 5,1,-1)array([-1, -1, -1, -1, -1, -1, 1, 1, 1, 1])>>> np.where([[True,False], [True,True]],  # 官网上的例子  [[1,2], [3,4]],       [[9,8], [7,6]])array([[1, 8],  [3, 4]])

上面这个例子的条件为[[True,False], [True,False]],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True,所以是选1。第二个值从[2,8]中选,因为条件为False,所以选8,后面以此类推。类似的问题可以再看个例子:

>>> 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='

2. np.where(condition)

只有条件 (condition),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tuple的形式给出,通常原数组有多少维,输出的tuple中就包含几个数组,分别对应符合条件元素的各维坐标。

>>> 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)]   # 等价于 a[a>5]array([ 6, 8, 10])>>> np.where([[0, 1], [1, 0]])(array([0, 1]), array([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:

>>> a = np.arange(27).reshape(3,3,3)>>> aarray([[[ 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]))# 符合条件的元素为  [ 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会输出每个元素的对应的坐标,因为原数组有三维,所以tuple中有三个数组。

需要注意的一点是,输入的不能直接是list,需要转为array或者为array才行。比如range(10)和np.arange(10)后者返回的是数组,使用np.where才能达到效果。

看完上述内容,你们掌握如何使用np.where()[0] 和 np.where()[1]的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!

0