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aitechtogether.com。
