使用numpy查找元素位置numpy.where

更新时间：2023年07月07日 10:35:44 作者：patrickpdx

这篇文章主要介绍了使用numpy查找元素位置numpy.where问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

numpy查找元素位置numpy.where

numpy.where(condition,x,y)

详细用法请大家详见官方文档

这里举几个例子

import numpy as np
a=np.array([1,2,3,4,5])
print(np.where(a<3))#查找小于3的元素的位置

结果

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

注意输入的数组必须是numpy数组，list是不支持的

二维数组的例子

>>> x = np.arange(9.).reshape(3, 3)
>>> np.where( x > 5 )
(array([2, 2, 2]), array([0, 1, 2]))
>>> x[np.where( x > 3.0 )]               # Note: result is 1D.
array([ 4.,  5.,  6.,  7.,  8.])
>>> np.where(x < 5, x, -1)               # Note: broadcasting.
array([[ 0.,  1.,  2.],
       [ 3.,  4., -1.],
       [-1., -1., -1.]])

python numpy.where()函数

numpy.where(condition[,x,y])

返回元素，可以是x或y，具体取决于条件(condition)

如果只给出条件，则返回condition.nonzero()。

对于不同的输入，where返回的值是不同的。

参数：	ccondition：array_llike，bool
	如果为True，则产生x，否则产生y。
	x，y：array_like，可选
	要从中选择的值。x，y和条件需要可以播放到某种形状。
返回值：	out：ndarray或ndarray元组
	如果同时指定了x和y，则输出数组包含x的元素，其中condition为True，其他元素来自y。如果只给出条件，则返回元组condition.nanzero()，条件为True的索引。

Example

当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组

a = np.arange(8)
a
array([0, 1, 2, 3, 4, 5, 6, 7])
np.where(a>4)
(array([5, 6, 7], dtype=int64),)

当数组是二维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置，返回的第一个array表示行坐标，第二个array表示纵坐标，两者一一对应

b = np.arange(4*5).reshape(4,5)
b
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
np.where(b>14)
(array([3, 3, 3, 3, 3], dtype=int64), array([0, 1, 2, 3, 4], dtype=int64))

当条件(condition)为多维数组时，根据条件中为True则选择x中相应的数值，为False选择y中相应的数值

np.where([[False, True], [False, True]],
        [[5, 3], [7, 9]],
        [[2, 6], [1, 8]])
array([[2, 3],[1, 9]])

第一个元素中的第一个值为False，所以选择y中的2，第二个值为True，选择x中3，第二个元素中的第一个值为False，所以选择y中的1，第二个值为True，选择x中9.

当参数中只给出条件时，则返回非零元素的索引：

np.where([[0, 1], [1, 1]])
(array([0, 1, 1], dtype=int64), array([1, 0, 1], dtype=int64))

x = np.arange(12.).reshape(4, 3)
x
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
np.where(x>7)
(array([2, 3, 3, 3], dtype=int64), array([2, 0, 1, 2], dtype=int64))
x[np.where( x > 6.0 )]           
array([  7.,   8.,   9.,  10.,  11.])
np.where(x < 8, x, np.nan) 
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,  nan],
       [ nan,  nan,  nan]])

根据找到的元素的索引找到元素的具体位置

x = np.arange(12.).reshape(4, 3)
x
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
positions = [2,6,10]
ins = np.isin(x,positions)
ins
array([[False, False,  True],
       [False, False, False],
       [ True, False, False],
       [False,  True, False]], dtype=bool)
np.where(ins)
(array([0, 2, 3], dtype=int64), array([2, 0, 1], dtype=int64))

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

Python 判断图像是否读取成功的方法
今天小编就为大家分享一篇Python 判断图像是否读取成功的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-01-01
使用Python VTK 完成图像切割
这篇文章主要介绍了使用Python VTK 完成图像切割，文章内容基于python的相关资料展开对主题的详细介绍，具有一定的参考价值，需要的小伙伴可以参考一下
2022-04-04
Python可视化Matplotlib折线图plot用法详解
这篇文章主要为大家介绍了Python可视化中Matplotlib折线图plot用法的详解,有需要的朋友可以借鉴参考下，希望可以有所帮助，祝大家多多进步
2021-09-09
python发送邮件实例分享
这篇文章主要为大家详细介绍了python发送邮件实例分享，教大家如何实现邮件发送功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2017-07-07
Python的列表和元组详情
这篇文章主要介绍了Python的列表和元组，列表和元组是python组常见的内置内省，下面文章我们讲围绕Python的列表和元组的相关资料展开话题,感兴趣的小伙伴以参考一下
2021-10-10
python使用Tkinter实现在线音乐播放器
这篇文章主要为大家详细介绍了python使用Tkinter实现在线音乐播放器，文中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
2018-01-01
详解Python中的断点类型
在 Python 中,断点是一种在代码中设置的标记,用于在程序执行过程中停止或中断程序的执行,本文将详细介绍 Python 中的断点类型,感兴趣的可以了解下
2024-02-02
python3使用pyqt5制作一个超简单浏览器的实例
下面小编就为大家带来一篇python3使用pyqt5制作一个超简单浏览器的实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2017-10-10
Python格式化输出字符串方法小结【%与format】
这篇文章主要介绍了Python格式化输出字符串方法,结合实例形式总结分析了使用%与format函数进行字符串格式化操作相关实现技巧与注意事项,需要的朋友可以参考下
2018-10-10
python爬虫破解字体加密案例详解
这篇文章主要介绍了python爬虫破解字体加密案例详解,本文通过图文实例相结合给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-03-03