有一些numpy.where()我不明白的地方：
假设我有一个2D numpy ndarray：
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
现在，想创建一个函数来“检查”此numpy数组的各种条件。
array([[ 1, 2, 3, 4],
[ 1, 6, 7, 8],
[ 1, 1, 1, 12],
[17, 3, 15, 16],
[17, 3, 18, 18]])
例如，此数组中的哪些条目的（A）偶数（B）大于7（C）除以3？
我想为此使用numpy.where()，并遍历此数组的每个条目，最后找到匹配所有条件的元素（如果存在这样的条目）：
even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
如何做到这一点？我不确定如何遍历布尔值...
我可以通过访问矩阵（i，j）的索引
np.argwhere(even_entries)
我们可以做类似的事情
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
for row in even_entries:
for item in row:
if item: #equivalent to `if item == True`
for row in greater_seven:
for item in row:
if item: #equivalent to `if item == True`
for row in divisible_three:
for item in row:
if item: #equivalent to `if item == True`
# something like print(np.argwhere())
有什么建议吗？
EDIT1：下面的好主意。正如@hpaulj提到的那样：“您的测试产生的布尔矩阵的形状与twodim相同”。这是我在玩耍时遇到的一个问题-并非所有条件生成的矩阵都与起始矩阵相同。例如，假设我正在比较array元素的左侧或右侧是否有匹配的数组（即水平）
twodim[:, :-1] == twodim[:, 1:]
结果是（5,3）布尔数组，而我们原来的矩阵是（5,4）数组
array([[False, False, False],
[False, False, False],
[ True, True, False],
[False, False, False],
[False, False, True]], dtype=bool)
如果我们在垂直方向上进行相同的操作，则将生成（4,4）布尔数组，而原始矩阵为（5,4）
twodim[:-1] == twodim[1:]
array([[ True, False, False, False],
[ True, False, False, False],
[False, False, False, False],
[ True, True, False, False]], dtype=bool)
如果我们希望知道哪些条目既有垂直对又有水平对，那么弄清楚我们所处的维度是很重要的。
您的测试会产生一个与以下形状相同的布尔矩阵twodim：
In [487]: mask3 = twodim%3==0
In [488]: mask3
Out[488]:
array([[False, False, True, False],
[False, True, False, False],
[False, False, False, True],
[False, True, True, False],
[False, True, True, True]], dtype=bool)
如其他答案所述，您可以在逻辑上组合测试-和和或。
np.where与np.nonzero（在此用法中）相同，只是返回True值的坐标-作为2个数组的元组。
In [489]: np.nonzero(mask3)
Out[489]:
(array([0, 1, 2, 3, 3, 4, 4, 4], dtype=int32),
array([2, 1, 3, 1, 2, 1, 2, 3], dtype=int32))
argwhere 返回相同的值，但作为转置的2d数组。
In [490]: np.argwhere(mask3)
Out[490]:
array([[0, 2],
[1, 1],
[2, 3],
[3, 1],
[3, 2],
[4, 1],
[4, 2],
[4, 3]], dtype=int32)
无论是mask和tuple可以直接用于索引你的数组：
In [494]: twodim[mask3]
Out[494]: array([ 3, 6, 12, 3, 15, 3, 18, 18])
In [495]: twodim[np.nonzero(mask3)]
Out[495]: array([ 3, 6, 12, 3, 15, 3, 18, 18])
在argwhere不能直接用于索引，但可能更适合于反复，特别是如果你想索引以及价值观：
In [496]: for i,j in np.argwhere(mask3):
.....: print(i,j,twodim[i,j])
.....:
0 2 3
1 1 6
2 3 12
3 1 3
3 2 15
4 1 3
4 2 18
4 3 18
与相同的事情where需要一个zip：
for i,j in zip(*np.nonzero(mask3)): print(i,j,twodim[i,j])
但是一般来说，numpy我们尽量避免迭代。如果您可以twodim[mask]直接使用您的代码，将会更快。
布尔掩码的逻辑组合比where索引的组合更容易产生。要使用索引，我可能会求助于set操作（联合，相交，差异）。
对于缩减大小的测试，您必须决定如何将其映射到原始数组（和其他测试）。例如
（5,3）遮罩（列之间的差异）：
In [505]: dmask=np.diff(twodim, 1).astype(bool)
In [506]: dmask
Out[506]:
array([[ True, True, True],
[ True, True, True],
[False, False, True],
[ True, True, True],
[ True, True, False]], dtype=bool)
它可以索引原始数组的3列
In [507]: twodim[:,:-1][dmask]
Out[507]: array([ 1, 2, 3, 1, 6, 7, 1, 17, 3, 15, 17, 3])
In [508]: twodim[:,1:][dmask]
Out[508]: array([ 2, 3, 4, 6, 7, 8, 12, 3, 15, 16, 3, 18])
它也可以与其他遮罩的3列组合：
In [509]: dmask & mask3[:,:-1]
Out[509]:
array([[False, False, True],
[False, True, False],
[False, False, False],
[False, True, True],
[False, True, False]], dtype=bool)
以布尔数组形式组合测试比通过where索引组合起来要容易得多。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句