np.where()巨型指导

涉及bool运算其实有点绕，官网太简洁，不好懂。

Return elements, either from x or y, depending on condition.

If only condition is given, return condition.nonzero().

1，一维数组情形

import numpy as np

x=np.random.randn(10)
y=np.where(x>0)

print(x)
print(y)

[ 0.53984083  0.81963791 -0.70588564  0.36046388  0.51398193 -1.01097887
 -0.97591147  1.5920162  -0.32164574  0.62089156]
(array([0, 1, 3, 4, 7, 9]),)

返回的是索引。

2，二维数组情形

x=np.random.randn(4,4)
y=np.where(x>0)

print(x)
print(y)
print(type(y))
print(np.shape(y))

[[-0.46494093 -0.56619025  0.63625586  0.32151957]
 [ 0.27591558  0.48507272  1.08060983 -0.49255729]
 [-0.43826664  0.14835337  1.07969824 -0.39603228]
 [ 0.12159492  0.149116    0.26444495  0.99560979]]
(array([0, 0, 1, 1, 1, 2, 2, 3, 3, 3, 3]), array([2, 3, 0, 1, 2, 1, 2, 0, 1, 2, 3]))

<class 'tuple'>
(2, 11)

返回的是第一个分量是一维索引，类似（x,y）坐标的x，第二个分量是二维的索引,类似（x,y）坐标的y。

3,三维数组情形

[[[-0.37917805 -1.53885845 -0.39460989  0.67751276]
  [-0.92359847  0.93436404 -0.51285372 -0.89198071]
  [ 0.41684439 -0.70988507 -0.50356141 -2.40755229]
  [-1.02122016  0.610473    0.36177794 -0.03001534]]

 [[-0.63599081 -1.28134616  1.40271032  0.067887  ]
  [ 1.57162956  1.39242353 -0.37710681 -1.50463798]
  [ 1.343914   -1.09522626 -0.9958491   2.72785346]
  [-0.69637549  0.61299699  0.49142939  0.50537266]]]
(array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1]), array([0, 1, 2, 3, 3, 0, 0, 1, 1, 2, 2, 3, 3, 3]), array([3, 1, 0, 1, 2, 2, 3, 0, 1, 0, 3, 1, 2, 3]))
<class 'tuple'>
(3, 14)

第一维是垂直屏幕，第二维是横，第三维是竖。

 

4,如果是np.where(x)等效于np.where(x!=0)

x=np.random.randn(4,4)
z=np.where(x)
print(z)

(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3]), array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]))

a = np.array(([True,False,True],[False,False,False]))
b = np.where(a)
print(b)

(array([0, 0]), array([0, 2]))

5，np.where(condition,[x,y])

条件真，数组元素改成x，条件假，数组元素改成y。

x=np.random.randn(3,3)
y=np.where(x>0,1,-1)
print(x)
print(y)

[[ 0.00369148  0.88969299 -2.18486436]
 [ 2.00694134 -0.43627724 -1.30865904]
 [-1.39606338 -2.20609871  1.71420687]]
[[ 1  1 -1]
 [ 1 -1 -1]
 [-1 -1  1]]

np.where([[True, False], [True, True]],1,-1)

array([[ 1, -1],
       [ 1,  1]])

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

array([[1, 8],
       [3, 4]])

6，经典应用

 

xx,yy,zz= np.where(Mask)

获取mask中非零元素的x,y,z坐标。

更多数学原理小文请关注公众号：未名方略