numpy.array使用技巧——数据过滤

• numpy.array使用布尔值进行数值过滤

>>> x = np.arange(5,0,-1)
>>> x
array([5, 4, 3, 2, 1])
>>> x[np.array([True, False, True, False, False])]
>>> # 下标为True的取出来，布尔数组中下标为0，2的元素为True，因此获取x中下标为0,2的元素
array([5, 3])
>>> x[[True, False, True, False, False]]#Error，这不是我们想要的结果
>>> # 如果是布尔列表，则把True当作1, False当作0，按照整数序列方式获取x中的元素
array([4, 5, 4, 5, 5])
>>> x[np.array([True, False, True, True])]
>>> # 布尔数组的长度不够时，不够的部分都当作False
array([5, 3, 2])
>>> x[np.array([True, False, True, True])] = -1, -2, -3#只修改下标为True的元素
>>> # 布尔数组下标也可以用来修改元素
>>> x
array([-1,  4, -2, -3,  1])

np.array使用布尔值进行过滤非常方便。

比如 当使用clf.predict_prob 输出由模型判断的概率值

array([[0.8, 0.2],
       [0.9, 0.1],
       [0.9, 0.1],
       ...,
       [1. , 0. ],
       [0.8, 0.2],