python --- 之where函数

where（）的用法

一.返回索引

首先强调一下，where()函数对于不同的输入，返回的只是不同的。

1当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组

2当数组是二维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置

例如

 1 >>>b=np.arange(10)
 2 >>>b
 3 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
 4 >>>np.where(b>5)
 5  (array([6, 7, 8, 9], dtype=int64),)
 6 
 7 >>>a=np.reshape(np.arange(20),(4,5))
 8 >>>a 
 9 array([[ 0,  1,  2,  3,  4],
10        [ 5,  6,  7,  8,  9],
11        [10, 11, 12, 13, 14],
12        [15, 16, 17, 18, 19]])
13 >>>np.where(a>10)
14 (array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64),
15  array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))

 对numpy标准库里的解释做一个介绍：

numpy.where(condition[, x, y])

基于条件condition，返回值来自x或者y.

如果.

参数:

condition : 数组，bool值 When True, yield x, otherwise yield y. x, y : array_like, 可选 x与y的shape要相同，当condition中的值是true时返回x对应位置的值，false是返回y的

返回值:

out : ndarray or tuple of ndarrays ①如果参数有condition，x和y，它们三个参数的shape是相同的。那么，当condition中的值是true时返回x对应位置的值，false是返回y的。 ②如果参数只有condition的话，返回值是condition中元素值为true的位置索引，切是以元组形式返回，元组的元素是ndarray数组，表示位置的索引 还有一种理解方法： 二：对数组赋值 # 方式四 >>> np . where ( a > 0 , a , 0 ) array([[0, 0, 0, 2, 1], [0, 0, 0, 3, 3], [0, 0, 3, 0, 3], [0, 0, 0, 1, 0], [0, 3, 1, 3, 0]]) 满足条件a>0输出0，否则输出 a, 输出还是一个数组 作者：采石工 链接：https://www.zhihu.com/question/46988087/answer/115228501 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 三.在三维数组中求切片不为0 import numpy as np p = np.array([[[0,1,2],[2,1,3]],[[4,7,8],[6,0,2]]]) print p print p.sum(axis = 2).sum(axis = 1) d = np.where(np.abs(p).sum(axis = 2).sum(axis = 1)) print d [[[0 1 2] [2 1 3]] [[4 7 8] [6 0 2]]] [ 9 27] (array([0, 1]),) 可以看出来，np.sum(axis=2).sum(axis =1)是对一个面的所有元素求和， 再加上np.where可以求切片和不为0的片 如np.where(np.abs(p).sum(axis = 2).sum(axis = 1)>0) 转载：https://www.cnblogs.com/zz22--/p/8654395.html 注释：where可以用来查找图像中一定范围内的像素值，返回的是一个tuple,通过len(tuple)，可以算出在这个范围内的像素值的个数