where（）的用法
首先強調一下，where()函數對于不同的輸入，返回的只是不同的。
1當數組是一維數組時，返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，滿足條件的數組值返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)>>>barray([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標準庫里的解釋做一個介紹：
numpy.where(condition[, x, y])
基于條件condition，返回值來自x或者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時返回x對應位置的值，false是返回y的 |
|---|---|
| 返回值: | 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。那么，當condition中的值是true時返回x對應位置的值，false是返回y的。 ②如果參數只有condition的話，返回值是condition中元素值為true的位置索引，切是以元組形式返回，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)>>> ixarray([[False, False, False], [ True, True, False], [False, True, False]], dtype=bool)>>> np.where(ix)(array([1, 1, 2]), array([0, 1, 1]))
兩種方法的示例代碼
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))#試試效果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()函數處理就相當于上面那種方案result = np.where(zarr,xarr,yarr)print(result)'''#發現個有趣的東西# #處理2組數組# #True and True = 0# #True and False = 1# #False and True = 2# #False and False = 3cond2 = np.array([True,False,True,False])cond1 = np.array([True,True,False,False])#第一種處理 太長太丑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)#第二種 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)#第三種 更簡便（好像這跟where()函數半毛錢的關系都沒有result = 1*(cond1 & -cond2)+2*(cond2 & -cond1)+3*(-(cond1 | cond2)) （沒想到還可以這么表達吧）print(result)
第二種用法
where(conditions)
相當于給出數組的下標
x = np.arange(16)print(x[np.where(x>5)])#輸出：(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))#注意這里是坐標是前面的一維的坐標，后面是二維的坐標
ix = np.array([[False, False, False], [ True, True, False], [False, True, False]], dtype=bool)print(np.where(ix))#輸出：(array([1, 1, 2], dtype=int64), array([0, 1, 1], dtype=int64))
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
