Question

来自numpy docs

>>> np.where([[True, False], [True, True]],
    ...          [[1, 2], [3, 4]],
    ...          [[9, 8], [7, 6]])
array([[1, 8],
       [3, 4]])

我正确地假设[[True, False], [True, True]]部分是条件，并且根据docs参数，[[1, 2], [3, 4]]和[[9, 8], [7, 6]]分别是x和y。

那么在下面的示例中，函数究竟如何选择元素？

还有，为什么这些示例中的元素类型是列表？

>>> np.where([[True, False,True], [False, True]], [[1, 2,56], [3, 4]], [[9, 8,79], [7, 6]])
array([list([1, 2, 56]), list([3, 4])], dtype=object)
>>> np.where([[False, False,True,True], [False, True]], [[1, 2,56,69], [3, 4]], [[9, 8,90,100], [7, 6]])
array([list([1, 2, 56, 69]), list([3, 4])], dtype=object)

Answer 1

在第一种情况下，每个项是(2,2)阵列（或者更确切地说，列表可以做成这样的阵列）。对于条件中的每个True，它返回x中的相应项[[1 -][3,4]]，而对于每个False，则返回y {{1 }}

在第二种情况下，列表参差不齐

[[- 8][- -]]

阵列是（2，）中，用2所列出。并且当转换为布尔值时，为2元素数组，且都为True。只有空列表会产生False。

In [1]: [[True, False,True], [False, True]]
Out[1]: [[True, False, True], [False, True]]
In [2]: np.array([[True, False,True], [False, True]])
Out[2]: array([list([True, False, True]), list([False, True])], dtype=object)

在其中，然后返回刚刚In [3]: _.astype(bool) Out[3]: array([ True, True])的值。

此第二种情况是可以理解的，但病理。

更多详细信息

让我们用一个更简单的例子更详细地演示x。条件数组相同：

where

在单个参数的版本，这是相当于In [57]: condition = np.array([[True, False], [True, True]]) In [58]: condition Out[58]: array([[ True, False], [ True, True]])：

condition.nonzero()

有些人发现更容易可视化该元组的In [59]: np.where(condition) Out[59]: (array([0, 1, 1]), array([0, 0, 1]))-3对坐标，其中transpose为True：

condition

现在是带有3个参数和标量值的最简单版本。

In [60]: np.argwhere(condition)
Out[60]: 
array([[0, 0],
       [1, 0],
       [1, 1]])

可视化此操作的一个好方法是具有两个屏蔽分配。

In [61]: np.where(condition, True, False)   # same as condition
Out[61]: 
array([[ True, False],
       [ True,  True]])
In [62]: np.where(condition, 100, 200)
Out[62]: 
array([[100, 200],
       [100, 100]])

另一种方法是使用一个In [63]: res = np.zeros(condition.shape, int) In [64]: res[condition] = 100 In [65]: res[~condition] = 200 In [66]: res Out[66]: array([[100, 200], [100, 100]])值初始化一个数组，并在非零位置填充y值。

如果In [69]: res = np.full(condition.shape, 200) In [70]: res Out[70]: array([[200, 200], [200, 200]]) In [71]: res[np.where(condition)] = 100 In [72]: res Out[72]: array([[100, 200], [100, 100]])和x是数组，而不是标量，则此蒙版分配将需要细化，但希望对此有帮助。

Answer 2

np.where(condition,x,y) 它检查条件，如果其True返回x，否则返回y

np.where([[True, False], [True, True]], [[1, 2], [3, 4]], [[9, 8], [7, 6]])

这里的条件是[[True, False], [True, True]] x = [[1 , 2] , [3 , 4]] y = [[9 , 8] , [7 , 6]]

所以它返回1，而不是9

第一条件是真

第二个条件是假，从而它返回8而不是2

Answer 3

阅读@hpaulj建议的broadcasting后，我想我知道该函数的工作原理。它将尝试广播3个数组，然后，如果广播成功，它将使用True和False值从x或y中选择元素。在示例中

>>>np.where([[True, False,True], [False, True]], [[1, 2,56], [3, 4]], [[9, 8,79], [7, 6]])

我们有

cnd=np.array([[True, False,True], [False, True]])
x=np.array([[1, 2,56], [3, 4]])
y=np.array([[9, 8,79], [7, 6]])

现在

>>>x.shape
Out[7]: (2,)
>>>y.shape
Out[8]: (2,)
>>>cnd.shape
Out[9]: (2,)

所以这三个都是带有2个元素（类型列表）甚至条件（cnd）的数组。因此[True, False,True]和[False, True]都将被评估为True。元素将从x中选择。

>>>np.where([[True, False,True], [False, True]], [[1, 2,56], [3, 4]], [[9, 8,79], [7, 6]])
Out[10]: array([list([1, 2, 56]), list([3, 4])], dtype=object)

我还通过一个更复杂的示例（广播2x2x2）对其进行了尝试，并且仍然对其进行了解释。

np.where([[[True,False],[True,True]], [[False,False],[True,False]]],
          [[[12,45],[10,50]], [[100,10],[17,81]]],
          [[[90,93],[85,13]], [[12,345], [190,56,34]]])

哪里

cnd=np.array([[[True,False],[True,True]], [[False,False],[True,False]]])
x=np.array([[[12,45],[10,50]], [[100,10],[17,81]]])
y=np.array( [[[90,93],[85,13]], [[12,345], [190,56,34]]])

此处cnd和x的形状为(2,2,2)，而y的形状为(2,2)。

>>>cnd.shape
Out[14]: (2, 2, 2)
>>>x.shape
Out[15]: (2, 2, 2)
>>>y.shape
Out[16]: (2, 2)

现在，@ hpaulj评论y时，将广播到（2,2,2）。它可能看起来像这样

>>>cnd
Out[6]: 
array([[[ True, False],
        [ True,  True]],
       [[False, False],
        [ True, False]]]) 
>>>x
Out[7]: 
array([[[ 12,  45],
        [ 10,  50]],
       [[100,  10],
        [ 17,  81]]])
>>>np.broadcast_to(y,(2,2,2))
Out[8]: 
array([[[list([90, 93]), list([85, 13])],
        [list([12, 345]), list([190, 56, 34])]],
       [[list([90, 93]), list([85, 13])],
        [list([12, 345]), list([190, 56, 34])]]], dtype=object)

结果可以很容易地预测为

>>>np.where([[[True,False],[True,True]], [[False,False],[True,False]]], [[[12,45],[10,50]], [[100,10],[17,81]]],[[[90,93],[85,13]], [[12,345], [190,56,34]]])
Out[9]: 
array([[[12, list([85, 13])],
        [10, 50]],
       [[list([90, 93]), list([85, 13])],
        [17, list([190, 56, 34])]]], dtype=object)

numpy.where（）在此示例中如何精确选择元素？

3 个答案:

更多详细信息