Question

我现在正在学习Python，而我却在网上找到了这行代码。我不明白这行代码的实际作用。

假设我有这个数组：

import numpy as np
x = np.array ([[1,5],[8,1],[10,0.5]]
y = x[np.sqrt(x[:,0]**2+x[:,1]**2) < 1]
print (y)

结果是一个空数组。我想知道的是 y 的实际作用是什么？我以前从未遇到过这种代码。似乎方括号就像 if-conditional 语句。如果不编写该代码，请编写以下代码：

import numpy as np
x = np.array ([[1,5],[8,1],[10,0.5]]
y = x[0 < 1]
print (y)

它将准确返回 x 是什么（因为零IS小于一）。
假设这是一种编写 if-conditional 语句的方法，我发现它真的很荒谬，因为我正在将一个数组与一个整数进行比较。
谢谢您的回答！

Answer 1

脾气暴躁：

[1,1,2,3,4] <2

（大致）等同于：

[x <2对于[1,1,2,3,4]中的x]

用于香草Python列表。因此，在两种情况下，结果都是：

[真，真，假，假，假]

其他一些函数也是如此，例如加法，乘法等。广播实际上是Numpy的主要卖点。

现在，您可以在Numpy中执行的另一件事是布尔索引，该索引提供了一系列布尔值，这些布尔值被解释为“是否保持此值Y / N？”。所以：

arr = [1,1,2,3,4]
res = arr[arr<2]

# evaluates to:
=> [1,1]

Answer 2

numpy在使用boolean或int分割数组时的工作原理有所不同。

来自docs：

当obj是布尔类型的数组对象时（例如，可能从比较运算符返回），将发生这种高级索引。一个   布尔索引数组实际上与x [obj.nonzero（）]相同   如上所述，其中obj.nonzero（）返回一个元组（长度为   显示obj的True元素的整数索引数组的obj.ndim）。   但是，当obj.shape == x.shape时，速度更快。

如果obj.ndim == x.ndim，则x [obj]返回填充的一维数组   x的元素对应于obj的True值。的   搜索顺序将是行优先的C样式。如果obj在以下位置具有True值   超出x范围的条目，则索引错误将   被提高。如果obj小于x，则等同于用填充   错误的。

使用布尔值对数组建立索引时，您正在告诉numpy选择与True相对应的数据，因此array[True]与array[1]不同。因此，在第一种情况下，numpy会将其解释为零维布尔数组，根据掩码的工作原理，该数组与选择所有数据相同。

因此：

x[True]

将返回完整数组，就像

x[False]

将返回一个空数组。

numpy数组中小于（<）运算符的功能是什么？

2 个答案: