本文主要是介绍python数据分析numpy基础之where三元表达式的矢量化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1 python数据分析numpy基础之where三元表达式的矢量化
python的numpy库的where()函数返回满足条件的索引值，或者返回满足条件和不满足条件的元素值。
用法
numpy.where(condition, [x, y], /)
描述
如果x和y没传，则返回满足条件condition的索引值组成的一维数组；
如果x和y有传，则condition为True取x，condition为False取y。
入参
condition：必选，array_like，bool
x,y：可选，array_like
condition为True，则从x取对应索引的元素，
condition为False，则从y取对应索引的元素。
出参
返回一维数组组成的元组，由满足条件的索引组成，或由x和y的元素组成。
1.1 入参condition
numpy.where()的入参condition为必选入参，表示产生索引或元素的条件。
如果condition作用于一维数组，则返回数组为一维数组的索引；
如果condition作用于二维数组，则返回2个一维数组组成的元组，第1个数组表示第1位索引，第2个数组表示第2为索引。
>>> import numpy as np
# 创建一维数组
>>> ar1=np.array([1,11,2,12,3,5,6,8,10])
>>> ar1
array([ 1, 11, 2, 12, 3, 5, 6, 8, 10])
# 只送condition
# 返回ar1中元素大于5的索引组成的一维数组组成的元组
>>> np.where(ar1>5)
(array([1, 3, 6, 7, 8], dtype=int64),)# 创建二维数组
>>> ar2=np.array([[1,12,3,13,5],[11,6,15,8,9]])
>>> ar2
array([[ 1, 12, 3, 13, 5],[11, 6, 15, 8, 9]])
# 返回ar2中大于8的元素的索引，
# 元组的第1个数组为满足条件的元素的第1位索引
# 元组的第2个数组为满足条件的元素的第2位索引
# 元组的第1个和第2个数组一一对应组成元素的第1和第2位索引
# 12的索引为ar2[0,1]，存放在第1个数组的0和第2个数组的1
>>> np.where(ar2>8)
(array([0, 0, 1, 1, 1], dtype=int64), array([1, 3, 0, 2, 4], dtype=int64))
1.2 入参x,y
numpy.where()的入参x,y为可选入参，表示要获取返回值的地方，可以为标量或数组。
condition为True，则True位置的元素从x取对应索引的元素或值，
condition为False，则False位置的元素从y取对应索引的元素或值。
x和y可以都是标量，都是数组，或者标量和数组的组合。
>>> import numpy as np
# 创建二维数组
>>> con=np.array([[1,12,3,13,5],[11,6,15,8,9]])
>>> con
array([[ 1, 12, 3, 13, 5],[11, 6, 15, 8, 9]])
# con元素大于8的位置取值为'>8'
# con元素小于8的位置取值为'<=8'
# x,y为标量
>>> np.where(con>8,'>8','<=8')
array([['<=8', '>8', '<=8', '>8', '<=8'],['>8', '<=8', '>8', '<=8', '>8']], dtype='<U3')
# x,y为数组
>>> ar1=np.array([1,2,3,0,5])
>>> ar2=np.array([11,12,13,10,15])
>>> con=np.array([6,7,8,9,10])
# con>8的元素索引位置取ar1对应索引位置的元素，否则取ar2的元素
>>> np.where(con>8,ar1,ar2)
array([11, 12, 13, 0, 5])
>>> con>8
array([False, False, False, True, True])
# x,y为标量和数组的组合
>>> np.where(con>8,'>8',con)
array(['6', '7', '8', '>8', '>8'], dtype='<U11')
这篇关于python数据分析numpy基础之where三元表达式的矢量化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
