![](https://i-blog.csdnimg.cn/blog_migrate/629cbfb8dd4bdb21090d7be828235ae8.png)
前言
NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy 过滤器 数组(Array)
1、过滤数组
从现有数组中取出一些元素并从中创建新数组称为过滤。
在NumPy中,使用布尔索引列表过滤数组。
布尔值索引列表是与数组中的索引相对应的布尔值列表。
如果索引处的值为True,则该元素包含在过滤后的数组中,如果索引处的值为False,则该元素将从过滤后的数组中排除。
例如:
从索引0和2上的元素创建一个数组:
import numpy as np
arr = np.array([41, 42, 43, 44])
x = [True, False, True, False]
newarr = arr[x]
print(newarr)
上面的示例将返回: [41 43]
因为新过滤器仅包含过滤器数组具有值True的值,所以在这种情况下,索引为0和2。
2、定义过滤器数组
在上面的示例中,我们对True和False值进行了硬编码,但通常的用途是根据条件创建过滤器数组。
例如:
创建一个仅返回大于42的值的过滤器数组:
import numpy as np
arr = np.array([41, 42, 43, 44])
# Create an empty list
filter_arr = []
# 遍历arr中的每个元素
for element in arr:
# 如果元素大于42,将值设为True,否则为False:
if element > 42:
filter_arr.append(True)
else:
filter_arr.append(False)
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
上面的示例将返回:
![](https://i-blog.csdnimg.cn/blog_migrate/fc9ff0876b6c0da738aa395cf135eb68.png)
例如:
创建一个过滤器数组,该数组仅返回原始数组中的偶数元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
# Create an empty list
filter_arr = []
# 遍历arr中的每个元素
for element in arr:
# 如果元素完全可被2整除,则将值设为True,否则为False
if element % 2 == 0:
filter_arr.append(True)
else:
filter_arr.append(False)
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
上面的示例将返回:
![](https://i-blog.csdnimg.cn/blog_migrate/eab30dde2ed517bce244709664e84bbb.png)
3、直接从数组定义过滤器
上面的示例是NumPy中很常见的任务,NumPy提供了解决该问题的好方法。
我们可以在我们的条件下直接替换数组而不是iterable变量。
例如:
创建一个仅返回大于42的值的过滤器数组:
import numpy as np
arr = np.array([41, 42, 43, 44])
filter_arr = arr > 42
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
上面的示例将返回:
![](https://i-blog.csdnimg.cn/blog_migrate/b79d28f5d4b2e4d9a0ac7ded7030cce7.png)
例如:
创建一个过滤器数组,该数组仅返回原始数组中的偶数元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
filter_arr = arr % 2 == 0
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
上面的示例将返回:
![](https://i-blog.csdnimg.cn/blog_migrate/d62b56b1e6148c34407590274ea2dfce.png)