NumPy-modulet giver en funktion numpy.where() til at vælge elementer baseret på en betingelse. Det returnerer elementer valgt fra a eller b afhængigt af betingelsen.
For eksempel, hvis alle argumenter -> betingelse, a & b sendes i numpy.where(), vil det returnere elementer valgt fra a & b afhængigt af værdier i bool-arrayet, som betingelsen giver.
Hvis kun betingelsen er angivet, er denne funktion en forkortelse af funktionen np.asarray (condition).nonzero(). Selvom ikke-nul bør foretrækkes direkte, da det opfører sig korrekt for underklasser.
Syntaks:
numpy.where(condition[, x, y])
Parametre:
Disse er følgende parametre i numpy.where()-funktionen:
betingelse: array_like, bool
Hvis denne parameter indstilles til Sand, giver x ellers y.
x, y: array_like:
Denne parameter definerer de værdier, der skal vælges fra. X, y og betingelse skal kunne udsendes til en eller anden form.
Vender tilbage:
Denne funktion returnerer arrayet med elementer fra x, hvor betingelsen er True og elementer fra y andre steder.
Eksempel 1: np.where()
import numpy as np a=np.arange(12) b=np.where(a<6,a,5*a) b < pre> <p> <strong>In the above code</strong> </p> <ul> <li>We have imported numpy with alias name np.</li> <li>We have created an array 'a' using np.arange() function.</li> <li>We have declared the variable 'b' and assigned the returned value of np.where() function.</li> <li>We have passed the array 'a' in the function.</li> <li>Lastly, we tried to print the value of b.</li> </ul> <p>In the output, the values ranging from 0 to 5 remain the same as per the condition, and the other values have been multiplied with 5.</p> <p> <strong>Output:</strong> </p> <pre> array([ 0, 1, 2, 3, 4, 5, 30, 35, 40, 45, 50, 55]) </pre> <h3>Example 2: For multidimensional array</h3> <pre> import numpy as np a=np.arange(12) b=np.where([[True, False], [True, True]],[[1, 2], [3, 4]],[[9, 8], [7, 6]]) b </pre> <p> <strong>Output:</strong> </p> <pre> array([[1, 8], [3, 4]]) </pre> <h3>Example 3: Broadcasting x, y, and condition</h3> <pre> import numpy as np x, y = np.ogrid[:3, :4] a=np.where(x > y, x, 10 + y) a </pre> <p> <strong>Output:</strong> </p> <pre> array([[10, 11, 12, 13], [ 1, 11, 12, 13], [ 2, 2, 12, 13]]) </pre> <p> <strong>In the above code</strong> </p> <ul> <li>We have imported numpy with alias name np.</li> <li>We have created an array 'a' using np.arange() function. </li> <li>We declared the variable 'b' and assigned the returned value of np.where() function.</li> <li>We have passed a multidimensional array of boolean as a condition and x and y as an integer arrays.</li> <li>Lastly, we tried to print the value of b.</li> </ul> <p>In the output, the x value has been compared to y value if it satisfied the condition, then it will be printed x value otherwise, it will print y value, which has passed as an argument in the where() function.</p> <h3>Example 4: Broadcasting specific value</h3> <pre> x=np.array([[0,1,2],[0,2,5],[0,4,8]]) y=np.where(x<4,x,-2) y < pre> <p> <strong>Output:</strong> </p> <pre> array([[ 0, 1, 2], [ 0, 2, -2], [ 0, -2, -2]]) </pre> <hr></4,x,-2)></pre></6,a,5*a)>
Eksempel 2: Til multidimensional array
import numpy as np a=np.arange(12) b=np.where([[True, False], [True, True]],[[1, 2], [3, 4]],[[9, 8], [7, 6]]) b
Produktion:
array([[1, 8], [3, 4]])
Eksempel 3: Udsendelse af x, y og tilstand
import numpy as np x, y = np.ogrid[:3, :4] a=np.where(x > y, x, 10 + y) a
Produktion:
array([[10, 11, 12, 13], [ 1, 11, 12, 13], [ 2, 2, 12, 13]])
I ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har oprettet et array 'a' ved hjælp af np.arange()-funktionen.
- Vi erklærede variablen 'b' og tildelte den returnerede værdi af funktionen np.where().
- Vi har bestået en multidimensional matrix af boolean som en betingelse og x og y som et heltal.
- Til sidst forsøgte vi at udskrive værdien af b.
I outputtet er x-værdien blevet sammenlignet med y-værdien, hvis den opfyldte betingelsen, så vil den blive udskrevet x-værdi ellers vil den udskrive y-værdi, som er gået som et argument i where()-funktionen.
Eksempel 4: Udsendelsesspecifik værdi
x=np.array([[0,1,2],[0,2,5],[0,4,8]]) y=np.where(x<4,x,-2) y < pre> <p> <strong>Output:</strong> </p> <pre> array([[ 0, 1, 2], [ 0, 2, -2], [ 0, -2, -2]]) </pre> <hr></4,x,-2)>