python中numpy 数组过滤详解
在numpy中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。
处理数组的过程中，经常需要用到数组过滤功能。
过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。
例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。
numpy本身提供了很多针对特定要求的过滤函数，
不过本篇只介绍最基本的过滤方式，通过最基本的过滤方式来揭示其过滤的原理。
1. 比较
比较是过滤的前提，因为通过比较才能确定过滤的条件。
1.1. 数组和单个数字
import numpy as np arr = np.random.randint(0, 10, (3, 3)) print(arr) #运行结果 [[4 1 4] [7 6 1] [8 9 5]] print(arr > 5) #运行结果 [[False False False] [ True True False] [ True True False]]
数组和单个数字比较，也满足上一篇介绍的广播原则，也就是数组arr的每个元素都和数字5进行了比较。
比较的结果是和arr相同结构的数组，数组中的元素是bool值。
满足比较条件是True，不满足比较条件的是False。
1.2. 数组和数组
除了和单个数字比较之外，数组之间也是可以比较的。
arr1 = np.random.randint(0, 10, (3, 3)) print(arr1) #运行结果 [[9 7 3] [2 8 5] [2 2 3]] arr2 = np.random.randint(0, 10, (3, 3)) print(arr2) #运行结果 [[1 6 0] [0 1 8] [9 0 5]] print(arr1 > arr2) #运行结果 [[ True True True] [ True True False] [False True False]]
数组之间的比较就是相同位置的元素之间比较，如果两个数组的结构不一样，会按照上一篇介绍的广播计算方式来扩充数组。
比如：
arr1 = np.random.randint(0, 10, (3, 3)) print(arr1) #运行结果 [[9 6 0] [1 4 9] [1 1 4]] arr2 = np.random.randint(0, 10, (3, 1)) print(arr2) #运行结果 [[1] [0] [9]] print(arr1 > arr2) #运行结果 [[ True True False] [ True True True] [False False False]]
上面的数组arr2，按广播规则被扩充成：
[[1 1 1]
[0 0 0]
[9 9 9]]
2. 掩码
所谓掩码，其实就是上面的各个示例中的比较结果。
也就是只包含bool值的数组，比如：
[[ True True False]
[ True True True]
[False False False]]
我们就是根据这个掩码，来过滤出数组中的True 或者 False 位置的元素。
3. 过滤
过滤就是根据掩码，选择出符合条件的元素。
3.1. 单条件过滤
arr = np.random.randint(0, 10, (3, 3)) print(arr) #运行结果 [[8 4 0] [2 2 9] [9 5 9]] print(arr[arr > 5]) #运行结果 [8 9 9 9]
最后得到的是arr中值大于5的元素数组。
其中 arr > 5 的结果就是上一节提到的掩码，最后过滤出的元素就是根据这个掩码得到的。
除了跟单独的数字比较，也可以和数组比较：
arr1 = np.random.randint(0, 10, (3, 3)) print(arr1) #运行结果 [[3 4 7] [4 6 2] [7 2 1]] arr2 = np.random.randint(0, 10, (3, 3)) print(arr2) #运行结果 [[2 3 1] [7 7 7] [1 6 4]] print(arr1[arr1 > arr2]) #运行结果 [3 4 7 7]
3.2. 多条件过滤
多条件过滤使用 & 和 | 来连接不同的条件。
arr1 = np.random.randint(0, 10, (3, 3)) print(arr1) #运行结果 [[1 0 5] [7 4 9] [8 5 4]] arr2 = np.random.randint(0, 10, (3, 3)) print(arr2) #运行结果 [[6 4 1] [0 1 1] [8 5 8]] print(arr1[(arr1 > 5) & (arr1 > arr2)]) #运行结果 [7 9]
过滤arr1中大于5** 并且 **对应位置比arr2大的元素。
arr1 = np.random.randint(0, 10, (3, 3)) print(arr1) #运行结果 [[1 0 5] [7 4 9] [8 5 4]] arr2 = np.random.randint(0, 10, (3, 3)) print(arr2) #运行结果 [[6 4 1] [0 1 1] [8 5 8]] print(arr1[(arr1 > 5) | (arr1 > arr2)]) #运行结果 [5 7 4 9 8]
过滤arr1中大于5** 或者 **对应位置比arr2大的元素。
4. 总结回顾
本篇主要介绍了过滤的基本原理，首先从比较开始，比较的结果是掩码，最后通过掩码过滤数组。
到此这篇关于python中numpy 数组过滤详解的文章就介绍到这了,更多相关numpy 数组过滤内容请搜索脚本之家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脚本之家！
相关文章
这篇文章主要介绍了简单了解python字符串前面加r,u的含义,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要为大家介绍了Python Tornado 框架使用终极指南,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
这篇文章主要介绍Python pandas模块输出每行中间省略号问题,本文给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下2018-07-07
本文主要介绍了python中opencv支持向量机的实现，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-03-03
每年的春节，都会有一些自己几乎没印象但父母就是很熟的亲戚，关系凌乱到你自己都说不清。本文就来用Python制作一个有趣的亲戚关系计算器，感兴趣的可以了解一下2023-01-01
这篇文章主要介绍了Django框架视图函数设计,结合实例形式分析了Django框架视图函数处理流程、原理与相关操作注意事项,需要的朋友可以参考下2019-07-07
这篇文章主要介绍了利用PyQT5制作一个简单的二维码生成器，并打包成exe可执行程序。文中的示例代码讲解详细，感兴趣的同学可以了解一下2021-12-12
这篇文章主要介绍了通过几个机器学习中最常用的概率分布为例，来看看如何从一个概率分布中采样，文章中的代码对我们的工作或学习具有一定价值，感兴趣的朋友可以了解一下2021-12-12
尽管网上搜到许多篇关于pycharm如何安装pygame库,但是跟着要求做还是安装失败,下面这篇文章主要给大家介绍了关于python中pygame安装不成功的解决办法,需要的朋友可以参考下2023-05-05
这篇文章主要介绍了Python中处理Session和Cookie的方法，本文介绍了Python中如何处理Session和Cookie，包括获取、设置、删除和使用Session和Cookie的相关方法和技巧，主要涉及Python的requests、http.cookiejar和Flask等库和框架2023-05-05
最新评论