Python中numpy的where 函式

第一種用法

np.where(conditions,x,y)

if （condituons成立）：

陣列變x

else:

陣列變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()函式處理就相當於上面那種方案
result = np.where(zarr,xarr,yarr)
print(result)
'''#
發現個有趣的東西
##處理2組陣列
##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])
#第一種處理 太長太醜
result =
for i in range(4):
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()函式半毛錢的關係都沒有
result = 1*(cond1 & -cond2)+2*(cond2 & -cond1)+3*(-(cond1 |cond2))  （沒想到還可以這麼表達吧）
print
(result)

第二種用法

where(conditions) 

相當於給出陣列的下標

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))
#注意這裡是座標是前面的一維的座標，後面是二維的座標

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))

Python 中 NumPy 的廣播

廣播描述了 numpy 如何在算術運算期間處理具有不同形狀的陣列。為了實現形狀相容，較小的陣列仍在較大的陣列上 廣播 廣播提供了一種向量化陣列操作的方法，以便在 c 而不是 python 中進行迴圈。numpy 通常在逐個元素的基礎上對陣列對進行操作。在最簡單的情況下，兩個陣列必須具有完全相同的形狀...

Python中的Numpy矩陣

與使用陣列一樣，需要從numpy中匯入matrix或者mat模組 from numpy import matrix,mat這裡使用mat建立乙個矩陣 ss.t但是這裡的轉置並沒有改變原變數中的值，如果需要使用，需要新建立乙個變數進行賦值使用。如果需要將兩個矩陣的每個元素對應相乘時使用numpy中的m...

Python中numpy的應用

建立ndarray import numpy as np nd np.array 2,4,6,11 numpy中預設ndarray的所有元素的資料型別是相同，如果資料的型別不同，會統一為統一型別，優先順序為str float int nd array 2 4 6 11 dtype 使用np建立rou...