Python numpy使用记录3.数组元素筛选，np.where

您所在的位置：网站首页 › 多条件如何筛选出大于某个值的数据 › Python numpy使用记录3.数组元素筛选，np.where

Python numpy使用记录3.数组元素筛选，np.where

2024-07-16 05:30| 来源: 网络整理| 查看: 265

Python numpy使用记录3.数组筛选切片，np.where 前言np.where的使用1.筛选替换2.筛选提取

前言

如果我想提取数组中大于某个阈值的所有元素，可以使用数组筛选后提取。

本篇记录数组筛选的方法，np.where

np.where的使用

np.where是numpy中用于元素筛选的函数，有两种使用方法。

1.筛选替换

函数原型：np.where(condition, x, y)，condition表示数组与筛选条件，x表示满足条件的替换值，y表示不满足条件的替换值，函数返回替换矩阵（同维度）。举个例子：

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

判断条件是数组a大于阈值5，当元素满足条件时，把这个元素替换成1，否则替换成0。

2.筛选提取

函数原型np.where(condition)，当只有condition参数时，函数返回满足条件的元素的多维索引。举个例子：

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

返回的是一个元组，包含两个数组。这两个数组是满足条件的元素的各维度索引，把两个数组拼接起来更加直观：

d = np.stack(b, axis=-1) # array([[1 2] # [1 3] # [2 0] # [2 1] # [2 2] # [2 3]])

拼接后的结果就是符合条件的元素索引数组。

通过np.where得到筛选后的索引数组，就可以通过tuple索引实现筛选提取啦：

a[c] # array([6, 7 ,8, 9, 10, 11])

注意：由于np.where返回的tuple长度与原数组相同，因此tuple索引坐标的维度与原数组也是相同的，提取出的数组必然ndim=1。

【本文地址】

Python numpy使用记录3.数组元素筛选，np.where

Python numpy使用记录3.数组元素筛选，np.where

今日新闻

推荐新闻