使用numpy查找元素位置numpy.where
更新时间：2023年07月07日 10:35:44 作者：patrickpdx
这篇文章主要介绍了使用numpy查找元素位置numpy.where问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
numpy查找元素位置numpy.where
numpy.where(condition,x,y)
详细用法请大家详见官方文档
这里举几个例子
import numpy as np a=np.array([1,2,3,4,5]) print(np.where(a<3))#查找小于3的元素的位置
结果
(array([0, 1], dtype=int64),)
注意输入的数组必须是numpy数组，list是不支持的
二维数组的例子
>>> 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.]])
python numpy.where()函数
numpy.where(condition[,x,y])
返回元素，可以是x或y，具体取决于条件(condition)
如果只给出条件，则返回condition.nonzero()。
对于不同的输入，where返回的值是不同的。
| 参数： | ccondition：array_llike，bool |
| 如果为True，则产生x，否则产生y。 | |
| x，y：array_like，可选 | |
| 要从中选择的值。x，y和条件需要可以播放到某种形状。 | |
| 返回值： | out：ndarray或ndarray元组 |
| 如果同时指定了x和y，则输出数组包含x的元素，其中condition为True，其他元素来自y。如果只给出条件，则返回元组condition.nanzero()，条件为True的索引。 |
Example
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
a = np.arange(8) a array([0, 1, 2, 3, 4, 5, 6, 7]) np.where(a>4) (array([5, 6, 7], dtype=int64),)
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，返回的第一个array表示行坐标，第二个array表示纵坐标，两者一一对应
b = np.arange(4*5).reshape(4,5)
b
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
np.where(b>14)
(array([3, 3, 3, 3, 3], dtype=int64), array([0, 1, 2, 3, 4], dtype=int64))当条件(condition)为多维数组时，根据条件中为True则选择x中相应的数值，为False选择y中相应的数值
np.where([[False, True], [False, True]],
[[5, 3], [7, 9]],
[[2, 6], [1, 8]])
array([[2, 3],[1, 9]])第一个元素中的第一个值为False，所以选择y中的2，第二个值为True，选择x中3，第二个元素中的第一个值为False，所以选择y中的1，第二个值为True，选择x中9.
当参数中只给出条件时，则返回非零元素的索引：
np.where([[0, 1], [1, 1]]) (array([0, 1, 1], dtype=int64), array([1, 0, 1], dtype=int64))
x = np.arange(12.).reshape(4, 3)
x
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.],
[ 9., 10., 11.]])
np.where(x>7)
(array([2, 3, 3, 3], dtype=int64), array([2, 0, 1, 2], dtype=int64))
x[np.where( x > 6.0 )]
array([ 7., 8., 9., 10., 11.])
np.where(x < 8, x, np.nan)
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., nan],
[ nan, nan, nan]])根据找到的元素的索引找到元素的具体位置
x = np.arange(12.).reshape(4, 3)
x
array([[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.],
[ 9., 10., 11.]])
positions = [2,6,10]
ins = np.isin(x,positions)
ins
array([[False, False, True],
[False, False, False],
[ True, False, False],
[False, True, False]], dtype=bool)
np.where(ins)
(array([0, 2, 3], dtype=int64), array([2, 0, 1], dtype=int64))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。
相关文章
在Python中, Dict是一系列由键和值配对组成的元素的集合, 它是一个可变容器模型，可以存储任意类型对象。本文主要介绍了Dict两种实现的原理，感兴趣的可以了解一下2023-03-03
这篇文章主要介绍了python之NAN和INF值处理方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
这篇文章主要介绍了conda安装tensorflow和conda常用命令小结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-02-02
Jython 是 Python 的纯 Java 实现。她无缝地结合了 Java 类与 Python，使用户能以 Python 语言的语法编写在 Java 虚拟机上运行的 软件，本文重点给大家介绍通过Jython调用Python脚本的实现方法，一起看看吧2021-06-06
Windows下的Jupyter Notebook 安装与自定义启动(图文详解)
这篇文章主要介绍了Windows下的Jupyter Notebook 安装与自定义启动(图文详解),需要的朋友可以参考下2018-02-02
这篇文章主要介绍了python将红底证件照转成蓝底,本文给大家分享四种方法通过示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-08-08
这篇文章主要介绍了利用Python写一场新年烟花秀，可以送给朋友还可以当作练习，Python 模块包括：tkinter、PIL、time、random、math，下面来看一下代码实现,需要的朋友可以参考一下2022-01-01
本文主要介绍了python3 chromedrivers签到的简单实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了Python+matplotlib实现填充螺旋实例，具有一定借鉴价值,需要的朋友可以参考下2018-01-01
本文主要介绍了Python中查找缺失值的三种方法,包括pandas库的isnull()方法、numpy库的isnan()方法和scikit-learn库的SimpleImputer类,感兴趣的可以了解一下2023-11-11
最新评论