python:在多维数组中挑选符合条件的全部元素

问题产生：今天在编写神经网络的Cluster作业时，需要根据根据数据标签用不同的颜色画出数据的分布情况，由此学习到了这种高效的方法。

传统思路：用for循环来挑选符合条件的元素，这样十分浪费时间。 

代码示例：

from sklearn.datasets.samples_generator import make_blobs
import numpy as np
import matplotlib.pyplot as plt

#product 20 samples and divide them in 4 different types
X, label_true = make_blobs(n_samples=20,centers=4)
print("Data:{:}".format(X))
print("label_true:{:}".format(label_true))

#eliminate the repeated elements
labels=np.unique(label_true)
print("labels:{:}".format(labels))

#plot
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
colors = 'rgbycm'
for index,elem in enumerate(labels):
    position=label_true==elem
    print("position{:}:{:}".format(index,position))
    plt.scatter(X[position,0],X[position,1],label="cluster %d"%elem,color=colors[index%len(colors)])
plt.show()

 实验结果：

Data:[[ 6.28987299  1.19041843]
 [ 2.12673463 -1.90647309]
 [-8.56276424  1.8136798 ]
 [ 2.42611937 -3.81970786]
 [ 1.83488662 -3.10733306]
 [ 6.28320138 -0.24840258]
 [-6.74802304  1.13642657]
 [ 2.21681643  6.28894411]
 [-7.16100601  0.04482262]
 [ 1.66858847  3.42225284]
 [ 3.19972789  4.58804196]
 [-7.37006942  0.57068008]
 [ 0.52465584 -2.68794047]
 [ 2.71075921  3.57281778]
 [ 5.99343237  0.0120798 ]
 [ 4.28307033  4.28727222]
 [ 0.73714246 -2.38643522]
 [ 5.58384782 -0.62066592]
 [-8.44295576 -0.05933983]
 [ 5.33991984  1.24833992]]
label_true:[0 2 1 2 2 0 1 3 1 3 3 1 2 3 0 3 2 0 1 0]
labels:[0 1 2 3]
position0:[ True False False False False  True False False False False False False
 False False  True False False  True False  True]
position1:[False False  True False False False  True False  True False False  True
 False False False False False False  True False]
position2:[False  True False  True  True False False False False False False False
  True False False False  True False False False]
position3:[False False False False False False False  True False  True  True False
 False  True False  True False False False False]

 结果分析：
我们可以看出黄色部分的作用，第一行 position=label_true==elem 的作用是让position在label_true==elem的位置置为True，反之为False，从而得到的position是一个True和False的集合，

而第三行 X[position,0],X[position,1] 就是选择为True的位置上的横坐标和纵坐标，打印出来。还有点懵?我们用最简单的数组来表示

代码示例
import numpy as np
a=np.empty(shape=[0,4], dtype=int)
a=np.append(a,[[1,2,3,4],[2,3,4,5],[7,8,9,10]],axis=0)
position=[True,False,True]
print(a)
print(a[position,3])

结果：
[[ 1  2  3  4]
 [ 2  3  4  5]
 [ 7  8  9 10]]
[ 4 10]

结果分析：
显然这是一个3行4列的矩阵，我们用position得到的是[a[0],a[2]],然后取a[0]和a[2]的第4个元素，则为4和10.

是不是比用for快多了~~