numpy.where()用法详细介绍

通常numpy.where()有两种用法：np.where(condition, x, y) 以及 np.where(condition)，本文详细给大家介绍一下。

1、np.where(condition, x, y)

当where内有三个参数时，第一个参数表示条件，当条件成立时where方法返回x，当条件不成立时where返回y

>>> a = np.arange(10)
>>> np.where(a,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(a > 5,1,-1)
array([-1, -1, -1, -1, -1, -1,  1,  1,  1,  1])

2、np.where(condition)

当where内只有一个参数时，那个参数表示条件，当条件成立时，where返回的是每个符合condition条件元素的坐标，返回的是以元组的形式。

备注：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。

>>> 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])

下面看个复杂点的例子：

>>> 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。