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')