关于python生成随机数列表，并获取满足条件元素对应索引值的常用方法

常用方法：
np.where(np.random.rand(N) < x)
关于这个这一串简单的代码，我们有必要先明白几个关键函数。
1)np.where()
numpy.where() 有两种用法：

1. np.where(condition, x, y)
   满足条件(condition)，输出x，不满足输出y
   

输出结果为：

2. np.where(condition)
只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

输出结果为：


可以看到当数组变成二维时，输出的坐标值也变成二维，每个坐标索引分别对应输出元组的第一个和第二个元素。

**这里有一点需要注意，对于一维的数组，我们要直接获取索引值，需要将输出的元组看成（为什么是“看成”，因为当你对其进行索引，会发现超出索引范围）两个元素第一个元素为索引值，第二个元素为数组类型，如：


输出结果为：

**同理对于二维数组，正如上述所说，输出元组也是个二维元组，一部分对应的是行索引，另一部分对应的是列索引，如：
**


2)np.random.rand()
np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同
作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。

输出结果：

输出结果：


输出结果：

关于random的其他函数可以参考：
https://blog.csdn.net/weixin_42029738/article/details/81977492

所以回到最初的那行代码，我们可以很清楚的知道其作用就是返回随机生成的N个服从均匀分布的数中，小于0.1对应的索引值。