【再回首Python之美】【numpy】剖析numpy.where(condition[,x ,y])

numpy.where()方法不和其他方法类似，从结果就能看到方法功能，需要琢磨一番才能够理解它。

1.语法

    numpy.where(condition[,x,y])

    返回：ndarray 或者 tuple of ndarrays = (array_row, array_col)

2.思路

if condition == True:
    取x中当前位置的数值（如果没有x，取True在矩阵中的索引[row, rol]）
else:
    取y中当前位置的数值

3.剖析numpy.where(cond, x, y)

    一般用最简单的例子最容易理解核心思想。

>>> print numpy.where([[True, False]], [[1,2]], [[3,4]])
[[1 4]]
>>> 

从上可知condition = [[True, Flase]]，x = [[1, 2]], y = [[3, 4]]

1）where()计算结果是啥？

    简单理解为，得到和condition相同shape的ndarray，ret = [[a, b]]，即condition.shape == ret.shape

2）结果[[a, b]]中a和b怎么得到？

    首先：where会根据condition=[[True, False]]来计算[[a, b]]的数值，即用True计算a，用False计算b

    其次：a，b一定来自x和y

    并且：a是x中的1或者y中的3，b是x中的2或者y中的4

    按照如下规则确定a的取值：

    if conditon中a所在位置是True：

        a = x[[1, 2]]中的1，而不是y[[3, 4]]中的3

    else:

        a = y[[3,4]]中的3，而不是x[[1, 2]]中的1

    根据condition=[[True, Flase]]可知a = x[[1, 2]]中的1

    按照如下规则确定b的取值：

    if condition中b所在位置是False:

        b = x[[1, 2]]中2，而不是y[[3, 4]]中的4

    else:

        b = y[[3, 4]]中的4，而不是x[[1, 2]]中的2

    根据condition=[[True, Flase]]可知b = y[[3, 4]]中的4

    综上所述：numpy.where([[True, False]], [[1,2]], [[3,4]])的结果就是[[1, 4]]

4.剖析numpy.where(condition)

    还是一样，最简单的例子最容易理解核心思想，设condition=[[True, Flase]]

    则表示numpy.where([[True, False]])返回True在矩阵中的索引，执行的结果如下所示：

>>> print numpy.where(numpy.mat([[True, False]]))
(array([0], dtype=int64), array([0], dtype=int64))
>>> 

在理解numpy.where([[True, False]])之前，先理解矩阵中的每个元素索引。

4.1理解矩阵中元素的索引[row, col]

>>> print numpy.mat([[1,2],[3,4]])
[[1 2]
 [3 4]]
>>> numpy.mat([[1,2], [3,4]])[0, 0]
1
>>> numpy.mat([[1,2], [3,4]])[0, 1]
2
>>> numpy.mat([[1,2], [3,4]])[1, 0]
3
>>> numpy.mat([[1,2], [3,4]])[1, 1]
4
>>> 

可以知道在[[1,2],[3,4]]矩阵中，有4个元素，每个元素的索引是：

1----[0, 0]    2----[0, 1]

3----[1, 0]    4----[1, 1]

为了容易理解一个元素的索引结构，用[row, col]来表示索引，其中row是元素所在行号，col是元素所在列号，如：

    1----[0, 0]，表示元素1在矩阵的第1行和第1列的位置

    2----[0, 1]，表示元素2在矩阵的第1行和第2列的位置

    3----[1, 0]，表示元素3在矩阵的第2行和第1列的位置

    4----[1, 1]，表示元素4在矩阵的第