使用numpy查找元素位置numpy.where
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。