np.where(condition, [x, y])有两种用法：
1.Return elements chosen from x or y depending on condition.
(即满足条件(condition)，输出x，不满足输出y)
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> # 数组中小于5的元素留下，大于等于5的元素变为原来的10倍
>>> np.where(a < 5, a, 10*a)
array([ 0, 1, 2, 3, 4, 50, 60, 70, 80, 90])
2.When only condition is provided, this function is a shorthand for np.asarray(condition).nonzero().
(只有条件 condition，没有x和y，则输出满足条件(即非0)元素的坐标 (等价于np.asarray(condition).nonzero())。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。)
>>> a = np.arange(1, 13)
>>> a
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
>>> np.where(a > 5)
(array([ 5, 6, 7, 8, 9, 10, 11]),)
>>> # 可以看出是以元组的形式返回满足条件的元素的索引(也就是坐标)
再来一个二维的例子:
>>> a = np.arange(0, 12).reshape(3, 4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> np.where(a > 6)
(array([1, 2, 2, 2, 2]), array([3, 0, 1, 2, 3]))
>>> # 可以看到，返回的元组里有两个元组，分别对应着每个满足条件的行索引和列索引(即坐标)
而tf.where(condition, x=None, y=None, name=None)用法与np.where(condition, [x, y])大体相同
小区别呢，也有：
- 传入值不同，一个传入
tensor, 一个传入ndarray - 返回值不同，一个返回
tensor, 一个返回ndarray(废话[滑稽]) tf.where还有个参数name，意思是: The name of the operation (optional).，就是该操作的名字，一般会在tensorboard中才会用到，小白可以先不用管
参考链接：
Numpy文档：https://www.numpy.org.cn/reference/
tensorflow文档：https://www.tensorflow.org/api_docs/python/
