详解Python中where()函数的用法


Posted in Python onMarch 27, 2018

where()的用法

首先强调一下,where()函数对于不同的输入,返回的只是不同的。

1当数组是一维数组时,返回的值是一维的索引,所以只有一组索引数组

2当数组是二维数组时,满足条件的数组值返回的是值的位置索引,因此会有两组索引数组来表示值的位置

例如

>>>b=np.arange(10)
>>>b
array([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))

对numpy标准库里的解释做一个介绍:

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

基于条件condition,返回值来自x或者y.

如果.

参数: condition : 数组,bool值 When True, yield x, otherwise yield y. x, y : array_like, 可选 x与y的shape要相同,当condition中的值是true时返回x对应位置的值,false是返回y的
返回值: out : ndarray or tuple of ndarrays ①如果参数有condition,x和y,它们三个参数的shape是相同的。那么,当condition中的值是true时返回x对应位置的值,false是返回y的。 ②如果参数只有condition的话,返回值是condition中元素值为true的位置索引,切是以元组形式返回,元组的元素是ndarray数组,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)
>>> ix
array([[False, False, False],
    [ True, True, False],
    [False, True, False]], dtype=bool)
>>> np.where(ix)
(array([1, 1, 2]), array([0, 1, 1]))

两种方法的示例代码

第一种用法

np.where(conditions,x,y)

if (condituons成立):

数组变x

else:

数组变y

import numpy as np
'''
x = np.random.randn(4,4)
print(np.where(x>0,2,-2))
#试试效果
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()函数处理就相当于上面那种方案

result = np.where(zarr,xarr,yarr)
print(result)

'''
#发现个有趣的东西
# #处理2组数组
# #True and True = 0
# #True and False = 1
# #False and True = 2
# #False and False = 3

cond2 = np.array([True,False,True,False])
cond1 = np.array([True,True,False,False])
#第一种处理 太长太丑
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)
#第二种 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)
#第三种 更简便(好像这跟where()函数半毛钱的关系都没有
result = 1*(cond1 & -cond2)+2*(cond2 & -cond1)+3*(-(cond1 | cond2)) (没想到还可以这么表达吧)
print(result)

第二种用法

where(conditions)

相当于给出数组的下标

x = np.arange(16)
print(x[np.where(x>5)])
#输出:(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))
#注意这里是坐标是前面的一维的坐标,后面是二维的坐标
ix = np.array([[False, False, False],
    [ True, True, False],
    [False, True, False]], dtype=bool)
print(np.where(ix))
#输出:(array([1, 1, 2], dtype=int64), array([0, 1, 1], dtype=int64))

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python开发的单词频率统计工具wordsworth使用方法
Jun 25 Python
Python中IPYTHON入门实例
May 11 Python
Python的Tornado框架实现图片上传及图片大小修改功能
Jun 30 Python
python TCP Socket的粘包和分包的处理详解
Feb 09 Python
Python多线程应用于自动化测试操作示例
Dec 06 Python
对python指数、幂数拟合curve_fit详解
Dec 29 Python
Python爬虫之UserAgent的使用实例
Feb 21 Python
Python基本数据结构之字典类型dict用法分析
Jun 08 Python
通过pycharm使用git的步骤(图文详解)
Jun 13 Python
浅谈Python2之汉字编码为unicode的问题(即类似\xc3\xa4)
Aug 12 Python
python简单实现最大似然估计&amp;scipy库的使用详解
Apr 15 Python
python 对一幅灰度图像进行直方图均衡化
Oct 27 Python
Django基于ORM操作数据库的方法详解
Mar 27 #Python
利用Python批量提取Win10锁屏壁纸实战教程
Mar 27 #Python
Django学习笔记之ORM基础教程
Mar 27 #Python
Python使用xlwt模块操作Excel的方法详解
Mar 27 #Python
Python安装图文教程 Pycharm安装教程
Mar 27 #Python
python 接口返回的json字符串实例
Mar 27 #Python
使用Django和Python创建Json response的方法
Mar 26 #Python
You might like
PHP4实际应用经验篇(2)
2006/10/09 PHP
跟我学Laravel之快速入门
2014/10/15 PHP
CI分页类首页、尾页不显示的解决方法
2016/03/28 PHP
求得div 下 img的src地址的js代码
2007/02/28 Javascript
JQuery入门—编写一个简单的JQuery应用案例
2013/01/03 Javascript
JQuery 常用方法和事件详细介绍
2013/04/18 Javascript
JS分页控件 可用于无刷新分页
2013/07/23 Javascript
JavaScript基础知识学习笔记
2014/12/02 Javascript
使用jQueryMobile实现滑动翻页效果的方法
2015/02/04 Javascript
JS实现图片高亮展示效果实例
2015/11/24 Javascript
JavaScript ES6的新特性使用新方法定义Class
2016/06/28 Javascript
Ajax分页插件Pagination从前台jQuery到后端java总结
2016/07/22 Javascript
解决前端跨域问题方案汇总
2016/11/20 Javascript
JS判断时间段的实现代码
2017/06/14 Javascript
利用node.js爬取指定排名网站的JS引用库详解
2017/07/25 Javascript
Vuex实现计数器以及列表展示效果
2018/03/10 Javascript
JavaScript设计模式之代理模式简单实例教程
2018/07/03 Javascript
python处理json数据中的中文
2014/03/06 Python
解决Django migrate No changes detected 不能创建表的问题
2018/05/27 Python
详解Python 装饰器执行顺序迷思
2018/08/08 Python
讲解Python3中NumPy数组寻找特定元素下标的两种方法
2019/08/04 Python
twilio python自动拨打电话,播放自定义mp3音频的方法
2019/08/08 Python
Pytorch.nn.conv2d 过程验证方式(单,多通道卷积过程)
2020/01/03 Python
pytorch torchvision.ImageFolder的用法介绍
2020/02/20 Python
使用Matplotlib绘制不同颜色的带箭头的线实例
2020/04/17 Python
Linux管理员面试经常问道的相关命令
2014/12/12 面试题
蔬菜基地的创业计划书
2014/01/06 职场文书
幼儿园亲子活动总结
2014/04/26 职场文书
优秀的应届生自荐信
2014/05/23 职场文书
2015年妇联工作总结范文
2015/04/22 职场文书
无故旷工检讨书
2015/08/15 职场文书
医务人员岗前培训心得体会
2016/01/08 职场文书
JavaScript实现简单图片切换
2021/04/29 Javascript
SpringBoot集成Redis,并自定义对象序列化操作
2021/06/22 Java/Android
Redis 彻底禁用RDB持久化操作
2021/07/09 Redis
Python list列表删除元素的4种方法
2021/11/01 Python