当前位置：网站首页>numpy.where() 用法和np.argsort()的用法

numpy.where() 用法和np.argsort()的用法

2022-07-29 00:34:00 【51CTO】

numpy.where() 有两种用法：

1. np.where(condition, x, y)

满足条件(condition)，输出x，不满足输出y。

如果是一维数组，相当于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]

       
       >>> 
       
       aa 
       
       = 
       
       np.
       
       arange(
       
       10)
       
       >>> 
       
       np.
       
       where(
       
       aa,
       
       1,
       
       -
       
       1)
       
       array([
       
       -
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1])  
       
       # 0为False，所以第一个输出-1
       
       >>> 
       
       np.
       
       where(
       
       aa 
       
       > 
       
       5,
       
       1,
       
       -
       
       1)
       
       array([
       
       -
       
       1, 
       
       -
       
       1, 
       
       -
       
       1, 
       
       -
       
       1, 
       
       -
       
       1, 
       
       -
       
       1,  
       
       1,  
       
       1,  
       
       1,  
       
       1])
       
       >>> 
       
       np.
       
       where([[
       
       True,
       
       False], [
       
       True,
       
       True]],    
       
       # 官网上的例子
       
             [[
       
       1,
       
       2], [
       
       3,
       
       4]],
       
             [[
       
       9,
       
       8], [
       
       7,
       
       6]])
       
       array([[
       
       1, 
       
       8],
       
       [
       
       3, 
       
       4]])
      
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

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，后面以此类推。类似的问题可以再看个例子：

       
       >>> 
       
       a 
       
       = 
       
       10
       
       >>> 
       
       np.
       
       where([[
       
       a 
       
       > 
       
       5,
       
       a 
       
       < 
       
       5], [
       
       a 
       
       == 
       
       10,
       
       a 
       
       == 
       
       7]],
       
             [[
       
       "chosen",
       
       "not chosen"], [
       
       "chosen",
       
       "not chosen"]],
       
             [[
       
       "not chosen",
       
       "chosen"], [
       
       "not chosen",
       
       "chosen"]])
       
       array([[
       
       'chosen', 
       
       'chosen'],
       
       [
       
       'chosen', 
       
       'chosen']], 
       
       dtype
       
       =
       
       '<U10')
      
1.
2.
3.
4.
5.
6.
7.

2. np.where(condition)

只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于 numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

       
       >>> 
       
       a 
       
       = 
       
       np.
       
       array([
       
       2,
       
       4,
       
       6,
       
       8,
       
       10])
       
       >>> 
       
       np.
       
       where(
       
       a 
       
       > 
       
       5)                
       
       # 返回索引
       
(
       
       array([
       
       2, 
       
       3, 
       
       4]),)   
       
       >>> 
       
       a[
       
       np.
       
       where(
       
       a 
       
       > 
       
       5)]            
       
       # 等价于 a[a>5]
       
       array([ 
       
       6,  
       
       8, 
       
       10])
       
       >>> 
       
       np.
       
       where([[
       
       0, 
       
       1], [
       
       1, 
       
       0]])
       
(
       
       array([
       
       0, 
       
       1]), 
       
       array([
       
       1, 
       
       0]))
      
1.
2.
3.
4.
5.
6.
7.
8.

上面这个例子条件中[[0,1],[1,0]]的真值为两个1，各自的第一维坐标为[0,1]，第二维坐标为[1,0] 。

下面看个复杂点的例子：

所以np.where会输出每个元素的对应的坐标，因为原数组有三维，所以tuple中有三个数组。

需要注意的一点是，输入的不能直接是list，需要转为array或者为array才行。比如range(10)和np.arange(10)后者返回的是数组，使用np.where才能达到效果。

np.argsort()的用法

       
       numpy.
       
       argsort(
       
       a, 
       
       axis
       
       =
       
       -
       
       1, 
       
       kind
       
       =
       
       ’quicksort’, 
       
       order
       
       =
       
       None)
      
1.

argsort(a)#获取a从小到大排列的数组

argsort(-a)#获取a从大到小排列的数组

argmin(a)#获取a最小值下标

argmax(a)#获取a最大值下标

功能: 将矩阵a按照axis排序，并返回排序后的下标
参数: a:输入矩阵， axis:需要排序的维度
返回值: 输出排序后的下标

(一维数组)

可以发现，argsort()是将X中的元素从小到大排序后，提取对应的索引index，然后输出到y
如x[3]=-1最小，x[5]=9最大

所以取数组x的最小值可以写成:

或者用argmin()函数

  
       x[
       
       x.
       
       argmin()]
      
1.
2.

数组x的最大值，写成：

       
       x[
       
       x.
       
       argsort()[
       
       -
       
       1]]  # 
       
       -
       
       1
       
       代表从后往前反向的索引
      
1.

或者用argmax()函数,不再详述

输出排序后的数组

       
       x[x.argsort()]
       
# 或
       
x[np.argsort(x)]
      
1.
2.
3.

(二维数组)

       
       x = np.array([[1,5,4],[-1,6,9]])
       
# [[ 1  5  4]
       
# [-1  6  9]]
      
1.
2.
3.

       
       沿着行向下(每列)的元素进行排序
      
1.

       
       np.argsort(x,axis=0)
       
# array([[1, 0, 0],
       
#        [0, 1, 1]], dtype=int64)
      
1.
2.
3.

沿着列向右(每行)的元素进行排序

       
       np.argsort(x,axis=1)
       
# array([[0, 2, 1],
       
#        [0, 1, 2]], dtype=int64)
      
1.
2.
3.

作者：你的雷哥

本文版权归作者所有，欢迎转载，但未经作者同意必须在文章页面给出原文连接，否则保留追究法律责任的权利。

原网站

版权声明
本文为[51CTO]所创，转载请带上原文链接，感谢
https://blog.51cto.com/u_12617333/5524075

当前位置：网站首页>numpy.where() 用法和np.argsort()的用法

numpy.where() 用法和np.argsort()的用法

1. np.where(condition, x, y)

2. np.where(condition)

边栏推荐

猜你喜欢

随机推荐