np.where(condition)与np.where(condition,X,Y)

1. np.where(condition)

a=np.where(b) 目的是找到满足条件的（b）的索引位置（a），这里a,b都是数组类型。找个简单的例子。

import numpy as np

n=np.array([1,2,4,5])  
m=np.array([1,2,3,5])

b=(m!=n[0])    #条件
print(b)

'''
输出b
[False  True  True  True] #这是一个数组。    
根据判断条件m中的元素不等于a的第一个元素，返回布尔类型的数据。

'''

a=np.where(b)  #b=(m!=n[0]) 
print(a)

'''

输出

(array([1, 2, 3], dtype=int64),)

因为a是满足条件的索引值，即True的索引位置。

'''

2. np.where(condition, x, y)

np.where(condition, x, y)， 满足条件(condition)，输出x，不满足输出y。接着上个例子。

a=np.where(b,'满足','不满足')
print(a)    #['不满足' '满足' '满足' '满足']

b=np.where([[True,False], [True,True]],    
             [[1,2], [3,4]],
             [[9,8], [7,6]])
print(b)

输出
array([[1, 8],
       [3, 4]])

上面这个例子的条件为[[True,False], [True,False]]，
分别对应最后输出结果的四个值。
第一个值从[1,9]中选，因为条件为True，所以是选1。
第二个值从[2,8]中选，因为条件为False，所以选8，后面的以此类推。

同理，再看下面的一个例子：

a = 7
np.where([[a > 5,a < 5], [a == 10,a == 7]],
             [["yes","no"], ["yes","no"]],
             [["no","yes"], ["no","yes"]])

输出
array([['yes', 'yes'],
       ['no', 'no']], dtype='<U3')