Question

我正在玩numpy并浏览文档，我遇到了一些魔法。即我在谈论numpy.where()：

>>> x = np.arange(9.).reshape(3, 3)
>>> np.where( x > 5 )
(array([2, 2, 2]), array([0, 1, 2]))

他们如何在内部实现您能够将x > 5之类的内容传递给方法？我想这与__gt__有关，但我正在寻找详细的解释。

Answer 1

他们如何在内部实现你能够传递像x＆gt;这样的东西5成一个方法？

简短的回答是他们没有。

numpy数组上的任何类型的逻辑操作都返回一个布尔数组。（即__gt__，__lt__等都返回给定条件为真的布尔数组。）

E.g。

x = np.arange(9).reshape(3,3)
print x > 5

的产率：

array([[False, False, False],
       [False, False, False],
       [ True,  True,  True]], dtype=bool)

如果if x > 5:是一个numpy数组，这就像x之类的东西引发ValueError的原因相同。它是一个True / False值的数组，而不是单个值。

此外，numpy数组可以通过布尔数组进行索引。例如。在这种情况下，x[x>5]会产生[6 7 8]。

老实说，你实际上需要numpy.where是相当罕见的，但它只返回布尔数组为True的指标。通常，您可以使用简单的布尔索引来完成所需的操作。

Answer 2

旧答案 这有点令人困惑。它为您提供了您的声明属实的LOCATIONS（所有这些）。

这样：

>>> a = np.arange(100)
>>> np.where(a > 30)
(array([31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47,
       48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64,
       65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81,
       82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98,
       99]),)
>>> np.where(a == 90)
(array([90]),)

a = a*40
>>> np.where(a > 1000)
(array([26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42,
       43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59,
       60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76,
       77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93,
       94, 95, 96, 97, 98, 99]),)
>>> a[25]
1000
>>> a[26]
1040

我使用它作为list.index（）的替代品，但它也有许多其他用途。我从未将它用于2D阵列。

http://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html

新答案 这个人似乎在问一些更基本的东西。

问题是你如何实现允许函数（例如where）知道所请求内容的东西。

首先请注意，调用任何比较运算符都会有趣。

a > 1000
array([False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True`,  True,  True,  True,  True,  True,  True,  True,  True,  True], dtype=bool)`

这是通过重载“__gt__”方法完成的。例如：

>>> class demo(object):
    def __gt__(self, item):
        print item


>>> a = demo()
>>> a > 4
4

如您所见，“a＆gt; 4”是有效代码。

您可以在此处获取所有重载函数的完整列表和文档：http://docs.python.org/reference/datamodel.html

令人难以置信的是，做到这一点是多么简单。 python中的所有操作都是以这种方式完成的。说一个＆gt; b相当于a。 gt （b）！

Answer 3

np.where返回一个长度等于调用它的numpy ndarray维度的元组（换句话说就是ndim），每个元组都是一个numpy ndarray的所有那些索引条件为True的初始ndarray中的值。（请不要将尺寸与形状混淆）

例如：

x=np.arange(9).reshape(3,3)
print(x)
array([[0, 1, 2],
      [3, 4, 5],
      [6, 7, 8]])
y = np.where(x>4)
print(y)
array([1, 2, 2, 2], dtype=int64), array([2, 0, 1, 2], dtype=int64))

y是长度为2的元组，因为x.ndim是2.元组中的第1项包含大于4的所有元素的行号，第2项包含大于4的所有项的列号。如您所见，[ 1,2,2,2]对应于行号5,6,7,8，[2,0,1,2]对应于列号5,6,7,8 请注意，ndarray沿第一维（行方式）遍历。

类似地，

x=np.arange(27).reshape(3,3,3)
np.where(x>4)

将返回长度为3的元组，因为x有3个维度。

但等等，np.where还有更多内容！

当np.where添加两个额外的参数时;它将对由上述元组获得的所有成对行列组合进行替换操作。

x=np.arange(9).reshape(3,3)
y = np.where(x>4, 1, 0)
print(y)
array([[0, 0, 0],
   [0, 0, 1],
   [1, 1, 1]])

python numpy.where（）如何工作？

3 个答案: