Question

我试图弄清楚np.where子句如何工作。我创建一个简单的df：

np.random.seed(1)
df = pd.DataFrame(np.random.randint(0, 10, size=(3, 4)), columns=list('ABCD'))
print(df)

   A  B  C  D
0  5  8  9  5
1  0  0  1  7
2  6  9  2  4

现在当我实现时：

print(np.where(df.values, 1, np.nan))

我收到：

[[  1.   1.   1.   1.]
 [ nan  nan   1.   1.]
 [  1.   1.   1.   1.]]

但是当我从df创建一个empty_like数组并将其放入where子句时，我会收到以下消息：

print(np.where(np.empty_like(df.values), 1, np.nan))

[[ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]
 [ 1.  1.  1.  1.]]

确实可以使用帮助来解释where子句如何在单个数组上工作。

Answer 1

np.empty_like（）

文档：-

numpy.empty_like（原型，dtype = None，order ='K'，subok = True）

返回形状和类型与给定数组相同的新数组。

>>> a = ([1,2,3], [4,5,6])                         # a is array-like
>>> np.empty_like(a)
array([[-1073741821, -1073741821,           3],    #random
       [          0,           0, -1073741821]])

np.empty_like（）创建形状和类型相同的数组作为给定数组，但具有随机数。该数组现在进入np.where（）

numpy.where（）

文档：-

numpy.where（condition [，x，y]）

根据条件返回从x或y中选择的元素。

示例：-

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.where(a < 5, a, 10*a)
array([ 0,  1,  2,  3,  4, 50, 60, 70, 80, 90])
>>>np.where(a,1,np.nan)
array([nan,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])

在Python中，除零以外的任何其他数字均被视为 TRUE ，而对于零分 FALSE 则被视为零。

当 np.where（）获得一个np.array时，它将检查条件，这里数组本身充当条件，即np.where的值为 TRUE 如果数组元素不为零，则为 FALSE ；当数组元素为非零时，则为 FALSE 。。

参考：-

带单个数组和/或Empty_like的numpy的Where子句

1 个答案: