Numpy中where的理解

这篇具有很好参考价值的文章主要介绍了Numpy中where的理解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

首先numpy中where有两种用法。
一种是numpy.where(条件,满足条件值,不满足条件值)。
一种是numpy.where(条件)。
第一种:numpy.where(条件,满足条件值,不满足条件值)。

import numpy

an_array = np.array([31,55,27,11,4,90,19])
#将下列列表中中大于30的元素替换为0
one_array = numpy.where(an_array > 30, 0, an_array)
print(one_array)
#输出
>>>array([ 0,  0,  27, 11, 4,  0,  19])

第二种:numpy.where(条件)。

the_array = np.array([1, 2, 3, 4, 5])
np.where(the_array > 3)
#输出 返回的则是满足条件的下标
>>>(array([3, 4], dtype=int64),)

#对于二维数同样是如此
bool_array = [[True,False],[True,True]]
temp = np.where(bool_array)
print(temp)
#输出 返回的仍是满足条件的下标
>>>(array([0, 1, 1], dtype=int64), array([0, 0, 1], dtype=int64))

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

第一个array([0, 1, 1]中的0代表数组中的第0行,1代表第一行。
第二个array([0, 0, 1]中的0代表数组中的第0列,1代表第一列。

[[True,False],[True,True]]转化成二维数组形式就是
[ [True,False],
[True,True] ]

第一个array([0, 1, 1]中的0和第二个array([0, 0, 1]中的0,对应bool_array[0][0],bool_array[0][0]的值为True.

第一个array([0, 1, 1]中的1和第二个array([0, 0, 1]中的0,对应bool_array[0][0],bool_array[1][0]的值为True.

第一个array([0, 1, 1]中的1和第二个array([0, 0, 1]中的1对应bool_array[0][0],bool_array[1][1]的值为True.
至此bool_array中元素为True下标已经全部展示。文章来源地址https://www.toymoban.com/news/detail-400324.html

到了这里,关于Numpy中where的理解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【深度学习实验】NumPy的简单用法

    目录 一、NumPy介绍 1. 官网 2. 官方教程 二、实验内容 1. 导入numpy库 2. 打印版本号 3. arange 函数 4. array函数 5. reshape函数 6. 矩阵点乘(逐元素相乘) 7. 矩阵乘法       NumPy是一个常用于科学计算的Python库,尤其在深度学习和机器学习中应用广泛。 NumPyhttps://numpy.org/   NumPy:初

    2024年02月10日
    浏览(40)
  • 深度学习中Numpy的一些注意点(多维数组;数据类型转换、数组扁平化、np.where()、np.argmax()、图像拼接、生成同shape的图片)

    a.shape=(3,2);既数组h=3,w=2 a.shape=(2,3,2);这里第一个2表示axis=0维度上的,三维数组中3,2)数组的个数,这里表示两个(3,2)数组。 这里axis=0指代哪里是很重要的知识点。深度学习中经常压缩一个维度,axis=0。 numpy.squeeze()函数。 语法:numpy.squeeze(a,axis = None);作用是将shape维度为

    2024年01月18日
    浏览(47)
  • Numpy || np.array()函数用法指南

    numpy ndarray对象是一个n维数组对象,ndarray只能存储一系列相同元素。 numpy.array()使用说明:object是必须输入的参数,其余为可选参数。 创建存储元素类型不同的数组: 创建生成器: 当输入的object元素有不同类型时,将保留存储空间最大的类型: 当多维数组元素个数不一致时:

    2024年01月24日
    浏览(49)
  • numpy.linalg.lstsq()详解以及用法示例

    将最小二乘解返回到线性矩阵方程。 计算近似求解方程的向量x。 该方程可能未确定、良好或过度确定(即,线性独立行数可以小于、等于或大于其线性独立列数)。 如果a是平方且为全秩,则x(但对于舍入误差)是等式的\\\"精确\\\"解。否则,x最小化欧几里得 2 范数 。 如果有

    2023年04月09日
    浏览(31)
  • NumPy的np.random.rand()用法

    np.random.rand() 是NumPy库中的函数,用于生成在[0, 1)区间内均匀分布的随机数,可以接受多个整数参数,用于指定生成数组的形状。 生成一个随机标量: 生成一个一维随机数组: 生成一个二维随机数组: 生成一个多维随机数组: 在其他区间生成随机数,例如,在[a, b)区间生成

    2024年02月05日
    浏览(69)
  • Python两种读取txt与csv文件方式(利用numpy处理数据)

    一共80个数据(只截取前10个数据) 在excel中显示的内容 在pycharm中显示的内容 一共80个数据 在记事本中显示的内容 在pycharm中显示的内容 1、读取所有内容 data_pd打印结果 2、数据转为numpy data_np打印结果 1、读取所有内容 data_pd打印结果 2、数据转为numpy data_np打印结果 1、读取所

    2023年04月11日
    浏览(54)
  • numpy抽样函数 np.random.choice用法详解

    顾名思义,抽样函数,定义如下: 参数说明: a :待抽样的样本(一维数组或整数) size: 输出大小,默认返回单个元素 replace : 抽样后的元素是否可重复,默认是 p: 每个样本点被抽样的概率,默认均匀抽样 举例如下: 从[1,2,3,4,5]中随机抽三个元素,可重复,概率分别为[0.1,

    2024年02月15日
    浏览(45)
  • NumPy和Pandas库的基本用法,用于数据处理和分析

    当涉及到数据处理和分析时,NumPy和Pandas是两个非常常用的Python库。下面是它们的基本用法: NumPy(Numerical Python): 导入NumPy库:在代码中使用import numpy as np导入NumPy库。 创建NumPy数组:使用np.array()函数可以创建一个NumPy数组。例如,arr = np.array([1, 2, 3, 4, 5])创建一个包含整数

    2024年02月11日
    浏览(42)
  • 线性代数-Python-01:向量的基本运算 - 手写Vector及numpy的基本用法

    https://github.com/Chufeng-Jiang/Python-Linear-Algebra-for-Beginner/tree/main 单位向量叫做 u hat Vector.py _globals.py main_vector.py main_numpy_vector.py

    2024年02月08日
    浏览(41)
  • numpy中的np.random.rand、np.random.randn、np.random.randint、np.random.uniform等用法

    随机数生成方法 1、np.random.rand(d0, d1, …, dn) np.random.rand(d0, d1, …, dn):生成一个指定形状的[0, 1)之间 均匀分布 的随机数数组。参数d0, d1, …, dn指定了生成的随机数数组的维度。 2、np.random.randn(d0, d1, …, dn) np.random.randn(d0, d1, …, dn):生成一个指定形状的**标准正态分布(**平均

    2024年02月09日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包