np.where 调用方法
调用方式及参数说明
numpy.where(condition[, x, y])
各个参数意义:
condition
:类似数组的对象,布尔值
x, y
:类似数组的对象,给出值的地方,如果 condition
为 True
,从 x
中选取值,condition
为 False
,从 y
中选取值。
有返回值,返回一个满足条件时取x
中对应的值,不满足条件时取 y
中对应值的数组。
注意:这里的 condition
,x
,y
只是为了表示以及说明时的必要,并不是真正意义上的关键字。
示例1------获取一维数组中最大元素所处位置
这里我们给出使用 np.where()
函数获取一维数组中最大值对应位置的例子。
# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np
class Debug:
@staticmethod
def mainProgram():
array = np.array([0, 1, 2, 3, 5, 4])
array_ = np.where(array == np.max(array))
print("array_的值为:")
print(array_)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
array_的值为:
(array([4], dtype=int64),)
"""
这里 array_
的结果为 4
,4
表示一维数组中最大元素所对应的索引值。
示例2------获取二维数组中最大元素所处位置
# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np
class Debug:
@staticmethod
def mainProgram():
array = np.array([[0, 1, 2, 3, 5, 4, 5], [0, 1, 2, 3, 4, 5, 5]])
array_ = np.where(array == np.max(array))
print("array_的值为:")
print(array_)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
array_的值为:
(array([0, 0, 1, 1], dtype=int64), array([4, 6, 5, 6], dtype=int64))
"""
首先通过观察不难发现,该二维数组中的最大值为 5
,且一共有 4
个最大元素存在,因此,最终的结果应该存在 4
组数据表示这四个元素的位置。结果中的 array([0, 0, 1, 1], dtype=int64)
表示数组中的 y
索引值,array([4, 6, 5, 6], dtype=int64)
表示 x
的索引值。
示例3------获取三维数组中最大元素所处位置
# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np
class Debug:
@staticmethod
def mainProgram():
array = np.array([[[0, 1], [0, 1]],
[[1, 2], [1, 2]],
[[1, 3], [1, 3]]])
array_ = np.where(array == np.max(array))
print("array_的值为:")
print(array_)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
array_的值为:
(array([2, 2], dtype=int64), array([0, 1], dtype=int64), array([1, 1], dtype=int64))
"""
显而易见,三维结果同二维的情况类似,只是多了一个维度,且输出结果三组数据分别对应 z,y,x
坐标,其他的这里不做过多解释了。
示例4------Condition 方法
# -*- coding:utf-8 -*-
"""
author: 15025
time: 2020/12/30 20:27
software: PyCharm
"""
import numpy as np
class Debug:
@staticmethod
def mainProgram():
array = np.where([[True, False], [True, True]], [[1, 2], [3, 4]], [[9, 8], [7, 6]])
print("array的值为:")
print(array)
if __name__ == "__main__":
main = Debug()
main.mainProgram()
"""
array的值为:
[[1 8]
[3 4]]
"""
我们可以看到,这里的 [[True, False], [True, True]]
相当于我们说的 condition
,[[1, 2], [3, 4]]
相当于 x
,[[9, 8], [7, 6]]
相当于 y
,当我们的 conditon
为 False
时从y
中取出了数值 8
,其他数值全部从 x
中的对应位置取出。最终我们得到了上述结果。
示例5------更改二维数组中符合要求的数据
这里我们将二维数组中值大于等于 3
的元素更改为 8
。显然,值大于等于 3
的元素对应倒数第二个元素和最后一个元素。
import numpy as np
arr_2d = np.array([[1, 2],
[3, 4]])
pos_y, pos_x = np.where(arr_2d >= 3)
print(f"np.where() 函数得到的索引值元胞的形状为: {arr_2d[np.where(arr_2d >= 3)].shape}")
print(f"np.where() 函数得到的索引值元胞的形状为: {arr_2d[pos_y, pos_x].shape}")
print(f"二维数组 arr_2d 中满足要求的元素为: {arr_2d[pos_y, pos_x]}")
arr_2d[pos_y, pos_x] = 8
print("修改元素后二维数组中存放的元素值为:")
print(arr_2d)
"""
result:
np.where() 函数得到的索引值元胞的形状为: (2,)
np.where() 函数得到的索引值元胞的形状为: (2,)
二维数组 arr_2d 中满足要求的元素为: [3 4]
修改元素后二维数组中存放的元素值为:
[[1 2]
[8 8]]
"""
这里需要注意的一点是,当我们使用 np.where()
函数获取对应二维数组中满足要求的元素值的索引后,再通过 arr_2d[pos_y, pos_x]
获取数组中满足要求的元素时,获取到的满足要求的元素会被自动展平存放在一个一维数组中。
如果大家觉得有用,请点个赞让更多的人看到吧~