where 函数筛选位置，并进行矩阵内容修改/索引获取

不要叫我地扒哥

已于 2022-07-25 15:46:44 修改

阅读量185

点赞数

文章标签：矩阵 numpy python

于 2022-07-25 11:13:34 首次发布

本文链接：https://blog.csdn.net/qq_35568823/article/details/125971125

版权

该博客探讨了如何使用numpy库中的where函数来筛选多维矩阵中特定位置的元素，并对其进行修改。示例代码展示了筛选大于5的值并将其替换为2的过程，同时通过循环遍历每一列获取符合条件的索引及其对应矩阵内容。

摘要由CSDN通过智能技术生成

where 函数筛选位置，并进行矩阵内容修改

import numpy as np

wtcam=[[[1,0],
       [6,0],
       [1,0],
       [1,0]],
       [[1,0],
       [1,0],
       [1,0],
       [1,0]],
       [[1,0],
       [6,0],
       [1,0],
       [6,0]]]
wtcam=np.array(wtcam)
print("矩阵维度")
print(np.shape(wtcam))

temp_list= np.where(wtcam[:, :, 0] > 5) 
print("符合条件的位置索引")
print(temp_list)
print("获取位置索引对应的矩阵值")
print(wtcam[temp_list])
print("修改位置索引对应的矩阵值，输出")
wtcam[temp_list] = 2
print(wtcam)

对应输出：

矩阵维度
(3, 4, 2)
符合条件的位置索引
(array([0, 2, 2]), array([1, 1, 3]))
获取位置索引对应的矩阵值
[[6 0]
 [6 0]
 [6 0]]
修改位置索引对应的矩阵值，输出
[[[1 0]
  [2 2]
  [1 0]
  [1 0]]

 [[1 0]
  [1 0]
  [1 0]
  [1 0]]

 [[1 0]
  [2 2]
  [1 0]
  [2 2]]]
#能够看到检索前两维度后，修改了第三维度所有的值

where 函数筛选位置，并进行矩阵索引获取

import numpy as np

wtcam=[[[1,0],
       [6,0],
       [1,0],
       [1,0]],
       [[1,0],
       [1,0],
       [1,0],
       [1,0]],
       [[1,0],
       [6,0],
       [1,0],
       [6,0]]]
wtcam=np.array(wtcam)
print("矩阵维度")
print(np.shape(wtcam))

temp = []
for i in range(0,np.shape(wtcam)[1]):
    pos = np.where(wtcam[:, i, 0] > 5)  #固定类找时序片段索引，返回元组
    print("单次获取的索引为：")
    print(pos)
    print("获取索引对应矩阵内容")
    print(wtcam[pos])   #[?<400, ?<20, 2]

    temp.append(pos)
    print(type(pos))
print("获取的全部索引为：")
print(temp)
print("全部索引长度：")
print(len(temp))

print(type(temp[0]))   #元组
print(type(np.array(temp[0]))) #np数组

对应输出为：

矩阵维度
(3, 4, 2)
单次获取的索引为：
(array([], dtype=int64),)
获取索引对应矩阵内容
[]
<class 'tuple'>
单次获取的索引为：
(array([0, 2]),)
获取索引对应矩阵内容
[[[1 0]
  [6 0]
  [1 0]
  [1 0]]

 [[1 0]
  [6 0]
  [1 0]
  [6 0]]]
<class 'tuple'>
单次获取的索引为：
(array([], dtype=int64),)
获取索引对应矩阵内容
[]
<class 'tuple'>
单次获取的索引为：
(array([2]),)
获取索引对应矩阵内容
[[[1 0]
  [6 0]
  [1 0]
  [6 0]]]
<class 'tuple'>
获取的全部索引为：
[(array([], dtype=int64),), (array([0, 2]),), (array([], dtype=int64),), (array([2]),)]
全部索引长度：
4
<class 'tuple'>
<class 'numpy.ndarray'>