[Numpy] np.select

最新推荐文章于 2024-02-08 09:58:54 发布
最新推荐文章于 2024-02-08 09:58:54 发布
阅读量1.3k 收藏 4
点赞数 3
分类专栏： Numpy 文章标签： numpy python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hudas/article/details/126034950
版权
 美图欣赏2022/07/28

np.select(condlist, choicelist, default=0) 

condlist：条件列表，元素是布尔型数组

choicelist：列表，数组元素

default：当所有条件都不满足时，用default值(默认值)填上

注意: condlist, choicelist的长度必须一致，每一个条件都要进行一次元素选择或者操作 

import pandas as pd
import numpy as np
 
df = pd.DataFrame(data={'语文':[50,90,70,78,60],
                        '数学':[59,80,60,75,69],
                        '英语':[61,95,65,80,59]},
                  index=['Harry','Andy','Rita','Lee','Jack'])
# 多条件判断,有多个条件可以使用np.select
conditions = [(df['语文']>=60)&(df['数学']>=60)&(df['英语']>=60),
              (df['语文']<60)&(df['数学']>=60)&(df['英语']>=60),
              (df['语文']>=60)&(df['数学']<60)&(df['英语']>=60),
              (df['语文']>=60)&(df['数学']>=60)&(df['英语']<60),
              (df['语文']>=60)&(df['数学']<60)&(df['英语']<60),
              (df['语文']<60)&(df['数学']>=60)&(df['英语']<60),
              (df['语文']<60)&(df['数学']<60)&(df['英语']>=60),
              (df['语文']<60)&(df['数学']<60)&(df['英语']<60)]
results = ['合格','不合格','不合格','不合格','不合格','不合格','不合格','不合格']
# 生成'评级'字段
df['评级'] = np.select(conditions,results,default='不合格')

df

山茶花开时。
关注
专栏目录
利用np.select对excel 每一行数据的某几列(多列)进行条件筛选并生成新一列数据的方法
小白的编码屋
03-11 2048
还是最近的那个项目，最后收尾阶段遇到这样一个问题： 根据表格每一行某几列的数据进行条件筛选后并生成新的一列数据。 像下面这个示例一样????： 需要根据每一行的“ 生日”，“地址”，“保险”是否有值来生成新的一列字段，比如叫“完整度”字段。 就拿王佳来说，因为他的 “保险”字段是空值，但是“地址”和“生日”有对应的值。那么最后新字段 “完整度”这里就要填入 “比较完整” 四个字。同理，李明的“完整度” 就应该是“很完整”；胡曦就是“不完整”；最后章杰就是“很完整”。 看起来是个比较简单的多列条件筛选问题，
numpy np.select()
A_pinkpig的博客
04-09 3169
np.select(condlist, choicelist, default=0) condlist：条件列表，元素是bool数组 choicelist：列表，数组元素 default：当所有条件都不满足时，用default值填上。 condlist, choicelist的长度必须一致，每一个条件都要进行一次元素选择或者操作。 举例： arr = np.arange(9).reshape(3,...
【Tensorflow】numpy np.select()
devil_son1234的博客
06-03 233
np.select(condlist, choicelist, default=0) condlist：条件列表，元素是bool数组 choicelist：列表，数组元素 default：当所有条件都不满足时，用default值填上。 condlist, choicelist的长度必须一致，每一个条件都要进行一次元素选择或者操作。 举例： ...
numpy.select函数
qq_61598325的博客
06-04 408
在上面的例子中，我们定义了两个条件 `condlist[0]` 和 `condlist[1]`，每个条件对应一个备选数组 `choicelist[0]` 和 `choicelist[1]`。最后，通过将条件列表和备选数组列表传递给 `numpy.select()` 函数，我们可以从多个备选数组中根据条件选择元素，并组合成新的一维数组。需要注意的是，`numpy.select()` 函数只能处理一维数组，如果要处理多维数组，则需要使用 `numpy.where()` 函数。# 使用条件和备选数组构造新数组。
numpy高级函数操作之——select、choose
热门推荐
MIss-Y的博客
09-14 2万+
一、什么是np.select() 顾名思义，这个函数用用来“ 根据某一些条件 ” 来筛选出 “某一些元素 ”的函数，比如我有一个数组，我如果用if-else语句去做，当然也可以，比如我们让小于6的元素各自加上10，大于等于6的元素统统变为100，我们可以这么做，代码如下： a=np.array([1,2,3,4,5,6,7,8,9,10]) aaa=[] #存储筛选结果的列表 fo...
Python astype(np.float)函数使用方法解析
09-16
在这个例子中，我们关注的是将数据转换为`np.float`，即Numpy中的浮点数类型。这个功能在处理从数据库获取的数据时尤其有用，因为原始数据可能包含多种类型，而我们需要统一它们以便进行数值计算。 首先，让我们...
python进阶-- numpy基本功能
夏日最爱仙草的博客
08-25 2067
Numpy是用于科学计算的python包。 一、创建numpy array A numpy array or ND array 与python数据结构中的列表(list)非常相似，不过numpy array一般大小固定，且其中每个元素的类型相同，比如都是整数型、都是浮点型。 创建numpy array时，需要先import numpy。numpy array的数据类型是numpy.ndarray.（不是list哦！） import numpy as np a = np.array([0,1,2,3,4])
python中dtype的使用规范_Python numpy.dtype() 使用实例
weixin_39784972的博客
12-02 4369
The following are code examples for showing how to use . They are extracted from open source Python projects. You can vote up the examples you like or vote down the exmaples you don’t like. You can al...
python indices_Python numpy.indices() 使用实例
weixin_39901213的博客
12-19 2314
The following are code examples for showing how to use . They are extracted from open source Python projects. You can vote up the examples you like or vote down the exmaples you don’t like. You can al...
python中select用法_Python numpy.select() 使用实例
weixin_39833763的博客
12-09 966
The following are code examples for showing how to use . They are extracted from open source Python projects. You can vote up the examples you like or vote down the exmaples you don’t like. You can al...
numpy笔记：.select()默认值的类型
htuhxf的博客
02-12 1339
numpy.select(condlist, choicelist, default=0)链接， 当DataFame新生成字段时，choicelist如下3种会使得default的“0”的type分别为str和int： 一、当select函数里choicelist是指定string value时，type为str： f['new'] = numpy.select([mask], ['value'], default=0) 二、当select函数里choicelist是df.series时，type为数
Python pandas.DataFrame.select_dtypes函数方法的使用
weixin_42098295的博客
07-28 433
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.select_dtypes方法的使用。 原文地址：Python pandas.DataFrame.select_dtypes函数方法的使用 .
pandas使用select_dtypes函数筛选dataframe中的所有数值数据列（all numeric columns of a dataframe）
data+scenario+science+insight
06-08 507
pandas使用select_dtypes函数筛选dataframe中的所有数值数据列（all numeric columns of a dataframe）
python中的select()以及choose()的用法
weixin_43213268的博客
03-31 1万+
转自 一、什么是np.select() 顾名思义，这个函数用用来“ 根据某一些条件 ” 来筛选出 “某一些元素 ”的函数，比如我有一个数组，我如果用if-else语句去做，当然也可以，比如我们让小于6的元素各自加上10，大于等于6的元素统统变为100，我们可以这么做，代码如下： a=np.array([1,2,3,4,5,6,7,8,9,10]) aa=[] for i in a: if ...
numpy并列条件的选取，如两个条件同时满足或满足其中的一个条件
weixin_44274975的博客
05-21 1万+
Python- 分区判断的写法及其5种优化方法
最新发布
Zstarling的博客
02-08 1139
执行以上代码，分别使用了 pd.cut()，np.where()，np.select() 和 apply() 这些方法来统计 col1一列分组后的数据量，各方法的返回值 count1、count2、count3、count4 分别储存在 DataFrame 中。有存在随机的10000个数据，请用Python将判断每个数在哪个区间，并输出，区间分为，小于0，0到50,50到100,100 到1000，1000以上。是Python内置函数，可以用于在遍历一个可迭代的对象时，同时返回一个计数和相应的值。
根据是否满足给定条件对数组中各元素进行不同操作np.select()
liujingwei8610的专栏
03-24 205
根据是否满足给定条件 对数组中各元素进行不同操作 np.select()
基于模型和顺序特征选择 - Model-based and sequential feature selection
BerryBC的三世书
10-06 2500
Model-based and sequential feature selection 基于模型和顺序特征选择 本文翻译自 Model-based and sequential feature selection
MySQL数据库基本操作（二）
weixin_51322574的博客
05-03 756
DQL：数据查询语言 基础查询 查询所有列 Select *from 表名; 查询指定列 Select 列名1,列名2…… from 表名; 条件查询where 常见运算符 关系运算符：=、!=、<>(不等于)、>=、<= 区间：between A and B ->[A,B] And：并且，和 Or：或者 Is null：空 Not：否，非 Is not null：非空 In：在……里面 并且and 或者or 查询性别女，并...
np.where(Self_Time < Hour[np.min(np.where(Hour == Country_Time[i])) + 1]), np.inf, np.nan)
04-05
As an AI language model, I cannot provide a definitive answer without additional context and information about the variables and the code block. However, I can provide some general information about the np.where() function and the code snippet you provided. The np.where() function is a NumPy function that returns an array of elements from x or y, depending on the condition. The syntax of np.where() is as follows: np.where(condition, x, y) - condition: A boolean array or a condition that evaluates to a boolean array. - x: An array-like object that has the same shape as the condition. It is used to select elements where the condition is True. - y: An array-like object that has the same shape as the condition. It is used to select elements where the condition is False. In the code snippet you provided, the np.where() function is used to return an array of values where the condition is True, or np.inf (positive infinity) where the condition is False. The condition is: Self_Time < Hour[np.min(np.where(Hour == Country_Time[i])) + 1] This condition compares the values in the Self_Time array with the value in the Hour array at the index returned by np.min(np.where(Hour == Country_Time[i])) + 1. The np.min() function returns the index of the minimum value in the array returned by np.where(). The +1 is added to the index to get the next value in the Hour array. Overall, the code block you provided seems to be part of a larger program that involves time calculations and comparisons. Without additional context, it is difficult to provide a more specific explanation.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值