這篇“Python之np.where()的代碼怎么應(yīng)用”文章的知識點大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python之np.where()的代碼怎么應(yīng)用”文章吧。

在龍鳳等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都做網(wǎng)站、成都網(wǎng)站制作、成都外貿(mào)網(wǎng)站建設(shè) 網(wǎng)站設(shè)計制作按需策劃,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),成都全網(wǎng)營銷推廣,成都外貿(mào)網(wǎng)站建設(shè)公司,龍鳳網(wǎng)站建設(shè)費用合理。

np.where共兩種用法:

第一種np.where(condition, x, y),即condition為條件,當滿足條件輸出為x,不滿足條件則輸出y.直接上代碼:

a = np.arange(10)
//array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print(np.where(a > 5, 1, -1))
//array([-1, -1, -1, -1, -1, -1,  1,  1,  1,  1])

上面的挺好理解的,但是官網(wǎng)的例子不是太好理解,如下所示:

np.where([[True,False], [True,True]],   
			 [[1,2], [3,4]],
             [[9,8], [7,6]])
// 輸出 array([[1, 8], [3, 4]])

可以這么理解,第一行的bool值表示條件,它表示是否取值的意思,首先看[True,False],即第一的True值表示第一行取數(shù)值第一行的[1, 2]中的1,而不取下面的9,False表示不取第一行[1, 2]中的2,而取第二行[9, 8]中的8.下面同理得[3, 4].
為了方便理解再舉一個例子:

a = 10
>>> np.where([[a > 5,a < 5], [a == 10,a == 7]],
             [["chosen","not chosen"], ["chosen","not chosen"]],
             [["not chosen","chosen"], ["not chosen","chosen"]])

//array([['chosen', 'chosen'], ['chosen', 'chosen']], dtype='<U10')

第一行a>5True,則取第一行的第一個值,a<5取第二行的第二個值,下面也同理.

理解完第一種方法后,再來看np.where第二種方法:

即np.where(condition),只有條件 (condition)，沒有x和y，則輸出滿足條件 (即非0) 元素的坐標 (等價于numpy.nonzero)。這里的坐標以tuple的形式給出，通常原數(shù)組有多少維，輸出的tuple中就包含幾個數(shù)組，分別對應(yīng)符合條件元素的各維坐標。

>>> a = np.array([2,4,6,8,10])
>>> np.where(a > 5)			
//(array([2, 3, 4]),)   返回索引值
>>> a[np.where(a > 5)]  			
//array([ 6,  8, 10]) 返回元素值,即a[索引]

舉一個代碼例子,也是我遇到的:

a = array([[0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [1., 0.],
  	       [0., 1.],
  	       [0., 1.],
  	       [0., 1.],
  	       [1., 0.],
  	       [1., 0.],
  	       [0., 1.],
  	       [0., 1.],
  	       [1., 0.],
  	       [0., 1.],
  	       [1., 0.],
  	       [0., 1.]])
np.where(a == 1)
//(array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
//        17, 18, 19], dtype=int64),
// array([1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1],
//       dtype=int64))

返回的兩個array數(shù)組分表示第幾行的第幾個值為1,所以結(jié)果中的第一個array數(shù)組表示行索引,第二個array數(shù)組表示列索引也就是1的碎銀索引.

附：np.where()多條件用法

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

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

3.多條件時condition，&表示與，|表示或。如a = np.where((0<a)&(a<5), x, y)，當0<a與a<5滿足時，返回x的值，當0<a與a<5不滿足時，返回y的值。注意x, y必須和a保持相同尺寸。

例如：

import numpy as np

data = np.array([[0, 2, 0],
                           [3, 1, 2],
                           [0, 4, 0]])
new_data = np.where((data>= 0) & (data<=2), np.ones_like(data), np.zeros_like(data))
print(new_data)

結(jié)果：

[[1 1 1]
         [0 1 1]
         [1 0 1]]

從中可以看出data中每個元素只要滿足data>=0并且data<=2, 滿足就返回np.ones_like(data)對應(yīng)坐標的值，不滿足就返回np.zeros_like(data)對應(yīng)坐標的值。當然x , y可以換成其他的值，只要與條件相同尺寸就可以。

以上就是關(guān)于“Python之np.where()的代碼怎么應(yīng)用”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對大家有幫助，若想了解更多相關(guān)的知識內(nèi)容，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

文章題目：Python之np.where()的代碼怎么應(yīng)用
文章起源：http://www.rwnh.cn/article44/jijhhe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供動態(tài)網(wǎng)站、自適應(yīng)網(wǎng)站、手機網(wǎng)站建設(shè)、面包屑導(dǎo)航、網(wǎng)站設(shè)計、軟件開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)