Python np.where Method
Mit der
Die
Das ist die Syntax von Python
Die
Beispiele für den Einsatz von
Die Methode
Nun wollen wir eine Bedingung definieren, um Elemente zu identifizieren, die größer als 3 sind. Dies geschieht durch Erstellen einer Bedingungsmaske, die
Anschließend verwenden wir
Das Ergebnis,
Wenn
In diesem Beispiel ist
Broadcasting mit
Broadcasting in NumPy erlaubt Operationen zwischen Arrays mit unterschiedlichen Formen, solange bestimmte Regeln erfüllt sind. Wenn Arrays unterschiedliche Formen haben, versucht NumPy, diese so zu vergrößern, dass sie kompatibel werden.
Angenommen, wir haben ein NumPy-Array
Und wir haben einen weiteren NumPy-Array
Hier ist die Form von
Nun wollen wir die Werte in jeder Zeile von
Die eindimensionale
War dieser Artikel hilfreich?
np.where()
-Funktion können Sie gezielt mit NumPy-Arrays in Python arbeiten. Durch ihre vektorisierten Operationen ist sie zudem effizienter im Vergleich zu schleifenbasierten Methoden.Wozu dient np.where in Python?
Dienp.where()
-Funktion in Python ist eine leistungsfähige Methode aus der Bibliothek NumPy, die für die bedingte Auswahl von Elementen aus einem Array geeignet ist. Sie identifiziert und extrahiert Elemente, die eine bestimmte Bedingung erfüllen, und gibt die Indizes oder die Werte zurück, die dieser Bedingung entsprechen.Die
np.where()
-Funktion wird in verschiedenen Bereichen eingesetzt, darunter Datenverarbeitung, wissenschaftliche Berechnungen, maschinelles Lernen und Datenanalyse. In der Datenmanipulation ermöglicht np.where()
das Filtern von Daten auf der Grundlage bestimmter Kriterien und das Ersetzen von Werten in Arrays.Das ist die Syntax von Python np.where()
Die np.where()
-Funktion akzeptiert ein NumPy-artiges Array, das beispielsweise aus Integern oder booleschen Werten besteht. Die Syntax der np.where()
-Funktion in Python sieht konkret folgendermaßen aus:import numpy as np
np.where(condition[, x, y])
python-
condition
: Das ist die Bedingung, die auf das Array angewendet wird, um zu bestimmen, welche Elemente ausgewählt werden sollen. -
x
undy
(optional): Falls nurcondition
angegeben ist, gibtnp.where()
die Indizes der Elemente zurück, die die Bedingung erfüllen. Wennx
undy
spezifiziert sind, werden die Werte ausx
zurückgegeben, wo die Bedingung erfüllt ist, und die Werte ausy
andernfalls.
np.where()
-Funktion aufgerufen wurde, gibt sie als Ergebnis einen neuen NumPy-Array zurück. Dieser neue Array entsteht durch Filtern oder Auswählen von Elementen des ursprünglichen Arrays, basierend auf einer Bedingung. Hierbei entspricht jeder Wert True
oder False
in diesem Bedingungsarray der Auswahl oder Filterung des entsprechenden Elements im ursprünglichen Array.Beispiele für den Einsatz von np.where()
Die Methode np.where()
ist aufgrund ihrer Fähigkeit, bedingte Operationen auf Arrays durchzuführen, ein äußerst vielseitiges Werkzeug und eignet sich sehr gut, um Daten zu manipulieren.Elemente in einem NumPy-Array ersetzen
Dienp.where()
-Funktion in NumPy ermöglicht es, Elemente in einem Array basierend auf einer Bedingung zu ersetzen. Dabei können Sie Python-Lists mit np.array()
in ein Array wandeln:import numpy as np
arr = np.array([1, 2, 3, 4, 5])
pythonTrue
ist für Elemente, die größer als 3 sind, und sonst False
:condition = arr > 3
pythonnp.where()
und geben diese Bedingung an. Dabei wird festgelegt, dass Werte, die der Bedingung entsprechen, durch -1 ersetzt werden, während alle anderen Werte mit 0 ausgetauscht werden:new_arr = np.where(condition, -1, 0)
pythonnew_arr
, enthält das modifizierte Array nach dem Ersetzen gemäß der Bedingung. Die Ausgabe wird zeigen, dass Werte, die größer als 3 waren, durch -1 ersetzt wurden, während die anderen Werte durch 0 ersetzt wurden:print(new_arr)
pythonnp.where()
mit nur einer Bedingung verwenden
Wenn numpy.where()
nur mit einer Bedingung und ohne Angabe von Ersatzwerten eingesetzt wird, gibt sie ein Tupel von Indizes zurück, an denen die Bedingung True
ist.import numpy as np
arr = np.array([1, 2, 3, 4, 5])
condition = arr > 2
result = np.where(condition)
print(result)
# Output: (array([2, 3, 4]),)
pythonarr
ein NumPy-Array, das Werte von 1 bis 5 enthält. condition = arr > 2
erstellt eine boolesche Maske, die Elemente in arr
identifiziert, die größer als 2 sind. np.where(condition)
wird ohne Angabe von Ersatzwerten aufgerufen. Dadurch wird ein Tupel von Indizes zurückgegeben, bei denen die Bedingung arr > 2
erfüllt ist. Die Ausgabe wird ein Array von Indizes sein, wo die Elemente von arr
größer als 2 sind.Broadcasting mit np.where()
Broadcasting in NumPy erlaubt Operationen zwischen Arrays mit unterschiedlichen Formen, solange bestimmte Regeln erfüllt sind. Wenn Arrays unterschiedliche Formen haben, versucht NumPy, diese so zu vergrößern, dass sie kompatibel werden.Angenommen, wir haben ein NumPy-Array
arr
mit der Form (3, 3):import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
pythonrow
mit der Form (3,):row = np.array([10, 11, 12])
pythonarr
(3, 3) und die Form von row
(3,). Obwohl die Formen nicht genau übereinstimmen, kann Broadcasting verwendet werden, um eine Operation zwischen diesen Arrays auszuführen.Nun wollen wir die Werte in jeder Zeile von
arr
mit den Werten in row
addieren. Hier kommt Broadcasting ins Spiel:result = arr + row
print(result)
# Output: [[11 13 15]
[14 16 18]
[17 19 21]]
pythonrow
wurde in eine (3, 3)-Matrix vergrößert, um mit der Form von arr
zu passen, indem sie über die Zeilen wiederholt wurde. Anschließend wurden die Elemente von arr
und row
elementweise addiert. Webhosting
Top-Hosting für Ihre Website - Flexibel: Hosting, das jedem Website-Traffic standhält
- Verlässlich: Inklusive 24/7-Support und persönlicher Beratung
- Sicher: Kostenloses SSL-Zertifikat, DDoS-Schutz und Backups