numpy.where() 有两种用法：
1. np.where(condition, x, y)
满足条件(condition)，输出x，不满足输出y。
如果是一维数组，相当于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]
- >>> aa = np.arange(10)
- >>> np.where(aa,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(aa > 5,1,-1)
- array([-1, -1, -1, -1, -1, -1, 1, 1, 1, 1])
-
- >>> np.where([[True,False], [True,True]], # 官网上的例子
- [[1,2], [3,4]],
- [[9,8], [7,6]])
- array([[1, 8],
- [3, 4]])
上面这个例子的条件为[[True,False], [True,False]]，分别对应最后输出结果的四个值。第一个值从[1,9]中选，因为条件为True，所以是选1。第二个值从[2,8]中选，因为条件为False，所以选8，后面以此类推。类似的问题可以再看个例子：
- >>> a = 10
- >>> np.where([[a > 5,a < 5], [a == 10,a == 7]],
- [["chosen","not chosen"], ["chosen","not chosen"]],
- [["not chosen","chosen"], ["not chosen","chosen"]])
-
- array([['chosen', 'chosen'],
- ['chosen', 'chosen']], dtype='<U10')
2. np.where(condition)
只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，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])
-
- >>> np.where([[0, 1], [1, 0]])
- (array([0, 1]), array([1, 0]))
上面这个例子条件中[[0,1],[1,0]]的真值为两个1，各自的第一维坐标为[0,1]，第二维坐标为[1,0] 。
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。
需要注意的一点是，输入的不能直接是list，需要转为array或者为array才行。比如range(10)和np.arange(10)后者返回的是数组，使用np.where才能达到效果。
np.argsort()的用法
- numpy.argsort(a, axis=-1, kind='quicksort', order=None)
argsort(a)#获取a从小到大排列的数组
argsort(-a)#获取a从大到小排列的数组
argmin(a)#获取a最小值下标
argmax(a)#获取a最大值下标
功能: 将矩阵a按照axis排序，并返回排序后的下标
参数: a:输入矩阵， axis:需要排序的维度
返回值: 输出排序后的下标
(一维数组)
- import numpy as np
- x = np.array([1,4,3,-1,6,9])
- x.argsort()
- # array([3, 0, 1, 2, 4, 5], dtype=int64)
可以发现，argsort()是将X中的元素从小到大排序后，提取对应的索引index，然后输出到y
如x[3]=-1最小，x[5]=9最大
所以取数组x的最小值可以写成:
或者用argmin()函数
数组x的最大值，写成：
- x[x.argsort()[-1]] # -1代表从后往前反向的索引
或者用argmax()函数,不再详述
输出排序后的数组
- x[x.argsort()]
- # 或
- x[np.argsort(x)]
(二维数组)
- x = np.array([[1,5,4],[-1,6,9]])
- # [[ 1 5 4]
- # [-1 6 9]]
沿着行向下(每列)的元素进行排序
- np.argsort(x,axis=0)
- # array([[1, 0, 0],
- # [0, 1, 1]], dtype=int64)
沿着列向右(每行)的元素进行排序
- np.argsort(x,axis=1)
- # array([[0, 2, 1],
- # [0, 1, 2]], dtype=int64)
补充：Numpy.unravel_index()和Numpy.argsort()
由于编程和文笔都较差，写的不好请见谅...
今天下午学习LDA模型的python实现，其中用到了Numpy库，想详细了解用到的每个函数，便在网上找资料。
其中遇到了Numpy.unravel_index()和Numpy.argsort()，看了好半天才弄懂orz心血来潮记录一下
首先，附上英文官方文档。https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.argsort.html和https://docs.scipy.org/doc/numpy/reference/generated/numpy.unravel_index.html
讲讲我对Numpy.argsort()的理解：
- numpy.argsort(a, axis=-1, kind='quicksort', order=None)
参数说明：a要排序的数组，
axis整型或者None，如果是None，数组将变成扁平数组（即变成一行数组）
kind排序算法，快排，归并排序，堆排序...
order自定义字段顺序
返回： index_array ：n维下标数组
实例：一维数组
二维数组
然后讲讲我对numpy.unravel_index的理解~
- numpy.unravel_index(indices, dims, order='C')
参数说明：indices数组
dims数组的维度大小
order:{C,F}（C行为主，F列为主）
返回： unraveled_coords为n维数组的元组
实例： 这个地方想了好久才明白T T
简单解释一下，22/6=3......4
总算写完了！
以上为个人经验，希望能给大家一个参考，也希望大家多多支持w3xue。如有错误或未考虑完全的地方，望不吝赐教。
经验首页