numpy如何按条件给元素赋值np.where、np.clip

numpy按条件给元素赋值np.where、np.clip

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

属于numpy的元素选择函数

Parameters：

• condition：条件，是一个类array的bool数组。个人根绝是一个bool mask。
• x，y：类array数组。当condition是True时返回x，为False时返回y。x与必须同时给出或者同时不给出，不能只给出一个。当都不给出时，依据nonzero返回处理。

Returns：

1、当只给出condition时，返回一个tuple，该tuple就是满足condition的元素的index。tuple元素的个数是原来array的维度，一维一个元素，二维两个元素。每个元素对应位置数据组合起来就是满足condition的元素的index。

2、给出x和y，返回一个和condition相同形状的数组。这里x与y的shape很重要，而且由condition的shape决定。当condition是（k,m,n）时，x与y 的shape依赖condition的维度。

x,y的shape如下如图：

当满足条件时，会根据x和y的维度取替换condition上的对应值。

使用举例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))

返回一个tuple，两个元素，因为arr的shape是（3,4）是二维的。第一个元素是行，第二个元素是列。第一个满足条件的元素的第1行第3列的元素，即元素7。

使用举例2：

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

满足条件的替换为0，不满足的返回arr中的值。从arr取值时是按照索引取选取的。这里要注意，当x或y的维度小于condition的维度时，忽略高维度的索引，比如忽略k，只根据m和n的值从x或y取数。

个人理解就一句话：用同一个维度（粒度）上的数据取替换同一个维度（粒度）上的数据。  

实际操作中使用较多的还是用（k,m,n）原数组或者常数替换操作，即替换原来数组中的某些值。

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

Params：

a_min, a_max：整数、类array数组或者None，下面逐一解读。

• 整数时，将小于a_min的值替换为a_min。然后，将大于a_max的值替换为a_max。处于两者之间数保持不变。
• 类array时，当a的形状是（m，n），a_min、a_max是（m，1）、（m，）或者是（m，n）。通俗讲，要么给a中每一个一维数组中每一个元素提供一个比较值，要么给a中每个一维数组提供一个统计的比较值，要么提供一个与一维数组形状形同的数组，然后广播。扩展到3维也是一样的道理。
• None，当a_min为None时，表示小于amax的值保留原值。当a_max为None时，表示大于amin的值保留原值。 a_min和a_max只能有一个是None。

Returns:

返回一个与传入数组形状相同的数组。

举例：

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

给二维数组中每一个数组传入一个统一的比较值

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

传入一个和一维数组相同形状的数组，然后沿着轴0广播。

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

Numpy.where()/np.where() 函数的使用

修改数组中符合条件的元素值/查找数组中符合要求的元素的位置

numpy.where() 用法

1. np.where(condition, x, y)：用于修改满足条件的元素值

用法解释：满足condition将数组元素修改为x，否则修改为y，最后生成一个新的数组。

注意：np.where不会修改原数组的数值，而会生成一个新的数组

• 1.1 一维数组

# 生成-5到4的一维数组
arr1 = np.arange(-5,5)
print('原数组           :',arr1)
arr2 = np.where(arr1>0,1,-1)
print('查看原数组是否修改:',arr1)
print('修改后的数组      :',arr2)

输出结果：

原数组           : [-5 -4 -3 -2 -1  0  1  2  3  4]
查看原数组是否修改: [-5 -4 -3 -2 -1  0  1  2  3  4]
修改后的数组      : [-1 -1 -1 -1 -1 -1  1  1  1  1]

如果只对一个条件进行修改：>0 保持不变，小于0变为-1

将where语句修改为如下即可：

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

即，不修改的位置为arr原数组的值

• 1.2 二维数组

arr1 = np.arange(-5,5).reshape(2,5)
print('原数组',arr1,sep='\n')
arr2 = np.where(arr1>0,1,-1)
print('修改后的数组',arr2,sep='\n')

输出结果：

原数组
[[-5 -4 -3 -2 -1]
 [ 0  1  2  3  4]]
修改后的数组
[[-1 -1 -1 -1 -1]
 [-1  1  1  1  1]]

2 np.where(condition)： 用于找出满足条件的元素位置（坐标）

• 2.1 一维数组

# 生成-5到4的一维数组
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),)

上述结果说明：arr1 > 0的元素所在的位置是[6,7,8,9]

并且arr2是个元组的类型，其中包含着数组类型的位置坐标。

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

2.1.1利用生成的元素进行索引数据：

• 法1直接利用元组索引，比较方便
• 法2利用数组进行索引

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

2.1.2 不满足条件的情况

# 不满足条件
arr1 = np.arange(-5,5)
arr3 = np.where(arr1 < -5)
print(arr3)
print(arr1[arr3])
--------------------------------
结果：
(array([], dtype=int64),)
[]

2.2.1判断满足的条件的元素个数

利用数组的.size属性很好判断

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

• 2.2二维数组

二维数组与一维数组类似，但是返回的元组中有两个数组：分别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)

结果：

[[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))

从结果中我们可以看到，元组中的第一个数组表示的是行的索引，第二个数组是列的索引

所以满足>3的元素位置是：[0,4],[1,0]，…

索引方法类似

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

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

最新评论