使用numpy查找元素位置numpy.where

更新時間：2023年07月07日 10:35:44 作者：patrickpdx

這篇文章主要介紹了使用numpy查找元素位置numpy.where問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

numpy查找元素位置numpy.where

numpy.where(condition,x,y)

詳細用法請大家詳見官方文檔

這里舉幾個例子

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

結果

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

注意輸入的數(shù)組必須是numpy數(shù)組，list是不支持的

二維數(shù)組的例子

>>> 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()函數(shù)

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

返回元素，可以是x或y，具體取決于條件(condition)

如果只給出條件，則返回condition.nonzero()。

對于不同的輸入，where返回的值是不同的。

參數(shù)：	ccondition：array_llike，bool
	如果為True，則產(chǎn)生x，否則產(chǎn)生y。
	x，y：array_like，可選
	要從中選擇的值。x，y和條件需要可以播放到某種形狀。
返回值：	out：ndarray或ndarray元組
	如果同時指定了x和y，則輸出數(shù)組包含x的元素，其中condition為True，其他元素來自y。如果只給出條件，則返回元組condition.nanzero()，條件為True的索引。

Example

當數(shù)組是一維數(shù)組時，返回的值是一維的索引，所以只有一組索引數(shù)組

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

當數(shù)組是二維數(shù)組時，滿足條件的數(shù)組值返回的是值的位置索引，因此會有兩組索引數(shù)組來表示值的位置，返回的第一個array表示行坐標，第二個array表示縱坐標，兩者一一對應

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))

當條件(condition)為多維數(shù)組時，根據(jù)條件中為True則選擇x中相應的數(shù)值，為False選擇y中相應的數(shù)值

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

第一個元素中的第一個值為False，所以選擇y中的2，第二個值為True，選擇x中3，第二個元素中的第一個值為False，所以選擇y中的1，第二個值為True，選擇x中9.

當參數(shù)中只給出條件時，則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]])

根據(jù)找到的元素的索引找到元素的具體位置

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))