使用numpy查找元素位置numpy.where

目录

• numpy查找元素位置numpy.where
• 这里举几个例子
• 二维数组的例子
• python numpy.where()函数
• Example
• 总结

numpy查找元素位置numpy.where

numpy.where(condition,x,y)

详细用法请大家详见官方文档

这里举几个例子

import numpy as np
a=np.array([1,2,3,4,5])
print(np.where(a<3))#查找小于3的元素的位置

结果

(array([0, 1], dtype=int64),)

注意输入的数组必须是numpy数组，list是不支持的

二维数组的例子

>>> x = np.arange(9.).reshape(3, 3)
>>> np.where( x > 5 )
(array([2, 2, 2]), array([0, 1, 2]))
>>> x[np.where( x > 3.0 )]               # Note: result is 1D.
array([ 4.,  5.,  6.,  7.,  8.])
>>> np.where(x < 5, x, -1)               # Note: broadcasting.
array([[ 0.,  1.,  2.],
       [ 3.,  4., -1.],
       [-1., -1., -1.]])

python numpy.where()函数

numpy.where(condition[,x,y])

返回元素，可以是x或y，具体取决于条件(condition)

如果只给出条件，则返回condition.nonzero()。

对于不同的输入，where返回的值是不同的。

参数：ccondition：array_llike，bool如果为True，则产生x，否则产生y。x，y：array_like，可选要从中选择的值。x，y和条件需要可以播放到某种形状。返回值：

out：ndarray或ndarray元组

如果同时指定了x和y，则输出数组包含x的元素，其中condition为True，其他元素来自y。如果只给出条件，则返回元组condition.nanzero()，条件为True的索引。

Example

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

a = np.arange(8)
a
array([0, 1, 2, 3, 4, 5, 6, 7])
np.where(a>4)
(array([5, 6, 7], dtype=int64),)

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，返回的第一个array表示行坐标，第二个array表示纵坐标，两者一一对应

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

当条件(condition)为多维数组时，根据条件中为True则选择x中相应的数值，为False选择y中相应的数值

np.where([[False, True], [False, True]],
        [[5, 3], [7, 9]],
        [[2, 6], [1, 8]])
array([[2, 3],[1, 9]])

第一个元素中的第一个值为False，所以选择y中的2，第二个值为True，选择x中3，第二个元素中的第一个值为False，所以选择y中的1，第二个值为True，选择x中9.

当参数中只给出条件时，则返回非零元素的索引：

np.where([[0, 1], [1, 1]])
(array([0, 1, 1], dtype=int64), array([1, 0, 1], dtype=int64))

x = np.arange(12.).reshape(4, 3)
x
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
np.where(x>7)
(array([2, 3, 3, 3], dtype=int64), array([2, 0, 1, 2], dtype=int64))
x[np.where( x > 6.0 )]           
array([  7.,   8.,   9.,  10.,  11.])
np.where(x < 8, x, np.nan) 
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,  nan],
       [ nan,  nan,  nan]])

根据找到的元素的索引找到元素的具体位置

x = np.arange(12.).reshape(4, 3)
x
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
positions = [2,6,10]
ins = np.isin(x,positions)
ins
array([[False, False,  True],
       [False, False, False],
       [ True, False, False],
       [False,  True, False]], dtype=bool)
np.where(ins)
(array([0, 2, 3], dtype=int64), array([2, 0, 1], dtype=int64))

总结