快捷導(dǎo)航

Python中np.where()用法具體實(shí)例

更新時(shí)間：2023年08月24日 11:35:44 作者：Rachel MuZy

這篇文章主要給大家介紹了關(guān)于Python中np.where()用法的相關(guān)資料,np.where()是NumPy庫(kù)中的一個(gè)函數(shù),主要用于根據(jù)條件從數(shù)組中選擇元素,文中給出了詳細(xì)的代碼示例,需要的朋友可以參考下

一、基本知識(shí)

np.where 函數(shù)是三元表達(dá)式 x if condition else y 的向量化版本，它有兩種用法：

1.np.where(condition,x,y) 當(dāng)where內(nèi)有三個(gè)參數(shù)時(shí)，第一個(gè)參數(shù)表示條件，當(dāng)條件成立時(shí)where方法返回x，當(dāng)條件不成立時(shí)where返回y

2.np.where(condition) 當(dāng)where內(nèi)只有一個(gè)參數(shù)時(shí)，那個(gè)參數(shù)表示條件，當(dāng)條件成立時(shí)，where返回的是每個(gè)符合condition條件元素的坐標(biāo),返回的是以元組的形式

二、具體實(shí)例

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

（1）示例1：

有兩個(gè)數(shù)值數(shù)組和一個(gè)布爾數(shù)組。當(dāng)布爾數(shù)組為T(mén)rue 時(shí)，輸出 xarr 的值，否則輸出 yarr 的值

代碼：

import numpy as np
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])
carr = np.array([True, False, True, True, False])
result = np.where(carr, xarr, yarr)
print(result)

結(jié)果：

[1.1 2.2 1.3 1.4 2.5]

（2）示例2：

np.where的第二個(gè)和第三個(gè)參數(shù)不需要是數(shù)組，也可以是標(biāo)量。where在數(shù)據(jù)分析中的一個(gè)典型用法是根據(jù)一個(gè)數(shù)組來(lái)生成一個(gè)新的數(shù)組。

假設(shè)有一個(gè)隨機(jī)生成的矩陣數(shù)據(jù)，并且想將其中的正值都替換為2，負(fù)值都替換為-2

代碼：

import numpy as np
arr = np.random.randn(4, 4)
print(f'arr is {arr}')
brr = np.where(arr > 0, 2, -2)
print(f'brr is {brr}')

結(jié)果：

arr is [[ 0.25269699 0.65883562 -0.25147374 -1.39408775]
[-0.53498966 -0.97424514 -1.13900344 0.53646289]
[ 1.51928884 0.80805854 -0.82968494 0.82861136]
[ 0.09549692 0.59623201 0.50521756 1.648034 ]]
brr is [[ 2 2 -2 -2]
[-2 -2 -2 2]
[ 2 2 -2 2]
[ 2 2 2 2]]

（3）示例3：

也可以使用np.where 將標(biāo)量和數(shù)組聯(lián)合：

僅替換正值為2：

代碼：

import numpy as np
arr = np.random.randn(4, 4)
print(f'arr is {arr}')
brr = np.where(arr > 0, 2, arr)
print(f'brr is {brr}')

結(jié)果：

arr is [[ 0.30064659 -0.5195743 0.05916467 0.58790562]
[ 1.0921678 -0.30010407 -0.43318393 0.60455133]
[-0.35091718 0.01738908 -0.3067928 -0.0439254 ]
[ 0.59166385 1.04319898 -0.73044529 0.10357739]]
brr is [[ 2. -0.5195743 2. 2. ]
[ 2. -0.30010407 -0.43318393 2. ]
[-0.35091718 2. -0.3067928 -0.0439254 ]
[ 2. 2. -0.73044529 2. ]]

2. np.where(condition)

返回的是坐標(biāo)

示例：

import numpy as np
a = np.array([2, 4, 6, 8, 10])
#一維矩陣
result_1 = np.where(a > 5)
print(result_1)
b = np.random.randn(4, 4)
#二維矩陣
print(b)
result_2 = np.where(b > 0)
print(result_2)

結(jié)果：

Output from spyder call 'get_namespace_view':
(array([2, 3, 4], dtype=int64),)
[[-0.83362412 -2.23605027 0.15374728 0.70877121]
[-0.30212209 0.56606258 0.95593288 1.03250978]
[-0.85764257 1.48541971 0.73199465 1.66331547]
[-0.22020036 0.46416537 -0.75622715 0.32649036]]
(array([0, 0, 1, 1, 1, 2, 2, 2, 3, 3], dtype=int64), array([2, 3, 1, 2, 3, 1, 2, 3, 1, 3], dtype=int64))