numpy.where() 有两种用法:
1. np.where(condition, x, y)
满足条件(condition),输出x,不满足输出y。
如果是一维数组,相当于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]
1
2
3
4
5
6
7
8
9
10
11
|
>>> aa = np.arange( 10 )
>>> np.where(aa, 1 , - 1 )
array([ - 1 , 1 , 1 , 1 , 1 , 1 , 1 , 1 , 1 , 1 ]) # 0为False,所以第一个输出-1
>>> np.where(aa > 5 , 1 , - 1 )
array([ - 1 , - 1 , - 1 , - 1 , - 1 , - 1 , 1 , 1 , 1 , 1 ])
>>> np.where([[ True , False ], [ True , True ]], # 官网上的例子
[[ 1 , 2 ], [ 3 , 4 ]],
[[ 9 , 8 ], [ 7 , 6 ]])
array([[ 1 , 8 ],
[ 3 , 4 ]])
|
上面这个例子的条件为[[True,False], [True,False]],分别对应最后输出结果的四个值。第一个值从[1,9]中选,因为条件为True,所以是选1。第二个值从[2,8]中选,因为条件为False,所以选8,后面以此类推。类似的问题可以再看个例子:
1
2
3
4
5
6
7
|
>>> a = 10
>>> np.where([[a > 5 ,a < 5 ], [a = = 10 ,a = = 7 ]],
[[ "chosen" , "not chosen" ], [ "chosen" , "not chosen" ]],
[[ "not chosen" , "chosen" ], [ "not chosen" , "chosen" ]])
array([[ 'chosen' , 'chosen' ],
[ 'chosen' , 'chosen' ]], dtype = '<U10' )
|
2. np.where(condition)
只有条件 (condition),没有x和y,则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出,通常原数组有多少维,输出的tuple中就包含几个数组,分别对应符合条件元素的各维坐标。
1
2
3
4
5
6
7
8
|
>>> a = np.array([ 2 , 4 , 6 , 8 , 10 ])
>>> np.where(a > 5 ) # 返回索引
(array([ 2 , 3 , 4 ]),)
>>> a[np.where(a > 5 )] # 等价于 a[a>5]
array([ 6 , 8 , 10 ])
>>> np.where([[ 0 , 1 ], [ 1 , 0 ]])
(array([ 0 , 1 ]), array([ 1 , 0 ]))
|
上面这个例子条件中[[0,1],[1,0]]的真值为两个1,各自的第一维坐标为[0,1],第二维坐标为[1,0] 。
下面看个复杂点的例子:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
>>> a = np.arange( 27 ).reshape( 3 , 3 , 3 )
>>> a
array([[[ 0 , 1 , 2 ],
[ 3 , 4 , 5 ],
[ 6 , 7 , 8 ]],
[[ 9 , 10 , 11 ],
[ 12 , 13 , 14 ],
[ 15 , 16 , 17 ]],
[[ 18 , 19 , 20 ],
[ 21 , 22 , 23 ],
[ 24 , 25 , 26 ]]])
>>> np.where(a > 5 )
(array([ 0 , 0 , 0 , 1 , 1 , 1 , 1 , 1 , 1 , 1 , 1 , 1 , 2 , 2 , 2 , 2 , 2 , 2 , 2 , 2 , 2 ]),
array([ 2 , 2 , 2 , 0 , 0 , 0 , 1 , 1 , 1 , 2 , 2 , 2 , 0 , 0 , 0 , 1 , 1 , 1 , 2 , 2 , 2 ]),
array([ 0 , 1 , 2 , 0 , 1 , 2 , 0 , 1 , 2 , 0 , 1 , 2 , 0 , 1 , 2 , 0 , 1 , 2 , 0 , 1 , 2 ]))
# 符合条件的元素为
[ 6 , 7 , 8 ]],
[[ 9 , 10 , 11 ],
[ 12 , 13 , 14 ],
[ 15 , 16 , 17 ]],
[[ 18 , 19 , 20 ],
[ 21 , 22 , 23 ],
[ 24 , 25 , 26 ]]]
|
所以np.where会输出每个元素的对应的坐标,因为原数组有三维,所以tuple中有三个数组。
需要注意的一点是,输入的不能直接是list,需要转为array或者为array才行。比如range(10)和np.arange(10)后者返回的是数组,使用np.where才能达到效果。
np.argsort()的用法
1
|
numpy.argsort(a, axis = - 1 , kind = 'quicksort' , order = None )
|
argsort(a)#获取a从小到大排列的数组
argsort(-a)#获取a从大到小排列的数组
argmin(a)#获取a最小值下标
argmax(a)#获取a最大值下标
功能: 将矩阵a按照axis排序,并返回排序后的下标
参数: a:输入矩阵, axis:需要排序的维度
返回值: 输出排序后的下标
(一维数组)
1
2
3
4
|
import numpy as np
x = np.array([ 1 , 4 , 3 , - 1 , 6 , 9 ])
x.argsort()
# array([3, 0, 1, 2, 4, 5], dtype=int64)
|
可以发现,argsort()是将X中的元素从小到大排序后,提取对应的索引index,然后输出到y
如x[3]=-1最小,x[5]=9最大
所以取数组x的最小值可以写成:
1
|
x[x.argsort()[ 0 ]]
|
或者用argmin()函数
1
|
x[x.argmin()]
|
数组x的最大值,写成:
1
|
x[x.argsort()[ - 1 ]] # -1代表从后往前反向的索引
|
或者用argmax()函数,不再详述
1
|
x[x.argmax()]
|
输出排序后的数组
1
2
3
|
x[x.argsort()]
# 或
x[np.argsort(x)]
|
(二维数组)
1
2
3
|
x = np.array([[ 1 , 5 , 4 ],[ - 1 , 6 , 9 ]])
# [[ 1 5 4]
# [-1 6 9]]
|
沿着行向下(每列)的元素进行排序
1
2
3
|
np.argsort(x,axis = 0 )
# array([[1, 0, 0],
# [0, 1, 1]], dtype=int64)
|
沿着列向右(每行)的元素进行排序
1
2
3
|
np.argsort(x,axis = 1 )
# array([[0, 2, 1],
# [0, 1, 2]], dtype=int64)
|
补充:Numpy.unravel_index()和Numpy.argsort()
由于编程和文笔都较差,写的不好请见谅...
今天下午学习LDA模型的python实现,其中用到了Numpy库,想详细了解用到的每个函数,便在网上找资料。
其中遇到了Numpy.unravel_index()和Numpy.argsort(),看了好半天才弄懂orz心血来潮记录一下
首先,附上英文官方文档。https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.argsort.html和https://docs.scipy.org/doc/numpy/reference/generated/numpy.unravel_index.html
讲讲我对Numpy.argsort()的理解:
1
|
numpy.argsort(a, axis = - 1 , kind = 'quicksort' , order = None )
|
参数说明:a要排序的数组,
axis整型或者None,如果是None,数组将变成扁平数组(即变成一行数组)
kind排序算法,快排,归并排序,堆排序...
order自定义字段顺序
返回: index_array :n维下标数组
实例:一维数组
二维数组
然后讲讲我对numpy.unravel_index的理解~
1
|
numpy.unravel_index(indices, dims, order = 'C' )
|
参数说明:indices数组
dims数组的维度大小
order:{C,F}(C行为主,F列为主)
返回: unraveled_coords为n维数组的元组
实例: 这个地方想了好久才明白T T
简单解释一下,22/6=3......4
总算写完了!
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服务器之家。如有错误或未考虑完全的地方,望不吝赐教。
原文链接:https://www.cnblogs.com/henuliulei/p/13296068.html