numpy按條件給元素賦值np.where、np.clip

np.where(condition, [x, y])

屬于numpy的元素選擇函數(shù)

Parameters：

• condition：條件，是一個(gè)類array的bool數(shù)組。個(gè)人根絕是一個(gè)bool mask。
• x，y：類array數(shù)組。當(dāng)condition是True時(shí)返回x，為False時(shí)返回y。x與必須同時(shí)給出或者同時(shí)不給出，不能只給出一個(gè)。當(dāng)都不給出時(shí)，依據(jù)nonzero返回處理。

Returns：

1、當(dāng)只給出condition時(shí)，返回一個(gè)tuple，該tuple就是滿足condition的元素的index。tuple元素的個(gè)數(shù)是原來array的維度，一維一個(gè)元素，二維兩個(gè)元素。每個(gè)元素對應(yīng)位置數(shù)據(jù)組合起來就是滿足condition的元素的index。

2、給出x和y，返回一個(gè)和condition相同形狀的數(shù)組。這里x與y的shape很重要，而且由condition的shape決定。當(dāng)condition是（k,m,n）時(shí)，x與y 的shape依賴condition的維度。

x,y的shape如下如圖：

當(dāng)滿足條件時(shí)，會(huì)根據(jù)x和y的維度取替換condition上的對應(yīng)值。

使用舉例1：

arr = np.arange(12).reshape(3,4)
arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
np.where(arr > 6)
(array([1, 2, 2, 2, 2], dtype=int64), array([3, 0, 1, 2, 3], dtype=int64))

返回一個(gè)tuple，兩個(gè)元素，因?yàn)閍rr的shape是（3,4）是二維的。第一個(gè)元素是行，第二個(gè)元素是列。第一個(gè)滿足條件的元素的第1行第3列的元素，即元素7。

使用舉例2：

np.where(arr > 6, 0, arr)
array([[0, 1, 2, 3],
       [4, 5, 6, 0],
       [0, 0, 0, 0]])

滿足條件的替換為0，不滿足的返回arr中的值。從arr取值時(shí)是按照索引取選取的。這里要注意，當(dāng)x或y的維度小于condition的維度時(shí)，忽略高維度的索引，比如忽略k，只根據(jù)m和n的值從x或y取數(shù)。

個(gè)人理解就一句話：用同一個(gè)維度（粒度）上的數(shù)據(jù)取替換同一個(gè)維度（粒度）上的數(shù)據(jù)。  

實(shí)際操作中使用較多的還是用（k,m,n）原數(shù)組或者常數(shù)替換操作，即替換原來數(shù)組中的某些值。

np.clip(a, a_min, a_max, out=None)

Params：

a_min, a_max：整數(shù)、類array數(shù)組或者None，下面逐一解讀。

• 整數(shù)時(shí)，將小于a_min的值替換為a_min。然后，將大于a_max的值替換為a_max。處于兩者之間數(shù)保持不變。
• 類array時(shí)，當(dāng)a的形狀是（m，n），a_min、a_max是（m，1）、（m，）或者是（m，n）。通俗講，要么給a中每一個(gè)一維數(shù)組中每一個(gè)元素提供一個(gè)比較值，要么給a中每個(gè)一維數(shù)組提供一個(gè)統(tǒng)計(jì)的比較值，要么提供一個(gè)與一維數(shù)組形狀形同的數(shù)組，然后廣播。擴(kuò)展到3維也是一樣的道理。
• None，當(dāng)a_min為None時(shí)，表示小于amax的值保留原值。當(dāng)a_max為None時(shí)，表示大于amin的值保留原值。 a_min和a_max只能有一個(gè)是None。

Returns:

返回一個(gè)與傳入數(shù)組形狀相同的數(shù)組。

舉例：

arr
array([[ 7, -3, 12],
       [14,  0,  8]])

給二維數(shù)組中每一個(gè)數(shù)組傳入一個(gè)統(tǒng)一的比較值

b
array([[1],
       [2]])
np.clip(arr,b,None)
array([[ 7,  1, 12],
       [14,  2,  8]])

傳入一個(gè)和一維數(shù)組相同形狀的數(shù)組，然后沿著軸0廣播。

b
array([1, 4, 9])
np.clip(arr,b,arr)
array([[ 7,  4, 12],
       [14,  4,  9]])

Numpy.where()/np.where() 函數(shù)的使用

修改數(shù)組中符合條件的元素值/查找數(shù)組中符合要求的元素的位置

numpy.where() 用法

1. np.where(condition, x, y)：用于修改滿足條件的元素值

用法解釋：滿足condition將數(shù)組元素修改為x，否則修改為y，最后生成一個(gè)新的數(shù)組。

注意：np.where不會(huì)修改原數(shù)組的數(shù)值，而會(huì)生成一個(gè)新的數(shù)組

• 1.1 一維數(shù)組

# 生成-5到4的一維數(shù)組
arr1 = np.arange(-5,5)
print('原數(shù)組 ? ? ? ? ? :',arr1)
arr2 = np.where(arr1>0,1,-1)
print('查看原數(shù)組是否修改:',arr1)
print('修改后的數(shù)組 ? ? ?:',arr2)

輸出結(jié)果：

原數(shù)組           : [-5 -4 -3 -2 -1  0  1  2  3  4]
查看原數(shù)組是否修改: [-5 -4 -3 -2 -1  0  1  2  3  4]
修改后的數(shù)組      : [-1 -1 -1 -1 -1 -1  1  1  1  1]

如果只對一個(gè)條件進(jìn)行修改：>0 保持不變，小于0變?yōu)?1

將where語句修改為如下即可：

arr2 = np.where(arr1>0,arr1,-1)

即，不修改的位置為arr原數(shù)組的值

• 1.2 二維數(shù)組

arr1 = np.arange(-5,5).reshape(2,5)
print('原數(shù)組',arr1,sep='\n')
arr2 = np.where(arr1>0,1,-1)
print('修改后的數(shù)組',arr2,sep='\n')

輸出結(jié)果：

原數(shù)組
[[-5 -4 -3 -2 -1]
 [ 0  1  2  3  4]]
修改后的數(shù)組
[[-1 -1 -1 -1 -1]
 [-1  1  1  1  1]]

2 np.where(condition)： 用于找出滿足條件的元素位置（坐標(biāo)）

• 2.1 一維數(shù)組

# 生成-5到4的一維數(shù)組
arr1 = np.arange(-5,5)
print(arr1)
arr2 = np.where(arr1>0)
print(arr2)

[-5 -4 -3 -2 -1 ?0 ?1 ?2 ?3 ?4]
(array([6, 7, 8, 9], dtype=int64),)

上述結(jié)果說明：arr1 > 0的元素所在的位置是[6,7,8,9]

并且arr2是個(gè)元組的類型，其中包含著數(shù)組類型的位置坐標(biāo)。

print(type(arr2))
print(type(arr2[0]))
-------------------------
結(jié)果：
<class 'tuple'>
<class 'numpy.ndarray'>

2.1.1利用生成的元素進(jìn)行索引數(shù)據(jù)：

• 法1直接利用元組索引，比較方便
• 法2利用數(shù)組進(jìn)行索引

# 索引法1
print(arr1[arr2])
# 索引法2
print(arr1[arr2[0]])

2.1.2 不滿足條件的情況

# 不滿足條件
arr1 = np.arange(-5,5)
arr3 = np.where(arr1 < -5)
print(arr3)
print(arr1[arr3])
--------------------------------
結(jié)果：
(array([], dtype=int64),)
[]

2.2.1判斷滿足的條件的元素個(gè)數(shù)

利用數(shù)組的.size屬性很好判斷

arr1 = np.arange(-5,5)
arr2 = np.where(arr1 > 0)
arr3 = np.where(arr1 < -5)
print(arr2[0].size)
print(arr3[0].size)
------------------------------------
結(jié)果：
4
0

• 2.2二維數(shù)組

二維數(shù)組與一維數(shù)組類似，但是返回的元組中有兩個(gè)數(shù)組：分別表示行的索引和列的索引

arr1 = np.arange(0,10).reshape(2,5)
print(arr1)
arr2 = np.where(arr1>3)
print(arr2)

結(jié)果：

[[0 1 2 3 4]
 [5 6 7 8 9]]
(array([0, 1, 1, 1, 1, 1], dtype=int64), array([4, 0, 1, 2, 3, 4], dtype=int64))

從結(jié)果中我們可以看到，元組中的第一個(gè)數(shù)組表示的是行的索引，第二個(gè)數(shù)組是列的索引

所以滿足>3的元素位置是：[0,4],[1,0]，…

索引方法類似

# 索引
arr1[arr2]
-----------
array([4, 5, 6, 7, 8, 9])

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評論