时间：2022-12-08 12:56:08 | 栏目：Python代码 | 点击：次
最近的项目中大量涉及数据的预处理工作，对于ndarray的使用非常频繁。其中ndarray如何进行数值筛选，总结了几种方法。
1.按某些固定值筛选
如下面这段代码从，ndarray中可以筛选出数值等于3的子数组和其在原数组中的索引位置。
import numpy as np arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2]) print(np.where(arr==3)) print(arr[np.where(arr == 3)]) Output: (array([ 5, 9, 14], dtype=int32),) [3 3 3]
2.按多个固定值筛选
按上述方法筛选多个固定值也是可行的，将不同条件用括号括起来，之间打 | 即可。
import numpy as np arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2]) print(np.where((arr == 3) | (arr == 1))) print(arr[np.where((arr == 3) | (arr == 1))]) Output: (array([ 0, 1, 2, 5, 9, 14, 16], dtype=int32),) [1 1 1 3 3 3 1]
3.按范围筛选
除了按固定值，我们还可以按一定的范围进行筛选
import numpy as np arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2]) print(np.where(arr > 3)) print(arr[np.where(arr > 3)]) Output: (array([ 3, 4, 6, 7, 8, 10, 11, 12, 13, 15], dtype=int32),) [ 134 45 46 45 65 23424 234 12 12 546]
如果不需要index，还可以有更快的方法
import numpy as np arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2]) print(arr[arr > 3]) Output: [ 134 45 46 45 65 23424 234 12 12 546]
那为什么还需要用np.where呢？因为索引可以满足不同数组间的筛选，比如有a, b 两个数组我们需要筛选出所有a == 0的b时即可使用np.where函数。
import numpy as np a = np.array([0, 0, 1, 1, 0, 1, 1, 0, 1]) b = np.arange(len(a)) print(a) print(b) print(b[np.where(a == 0)]) Output: [0 0 1 1 0 1 1 0 1] [0 1 2 3 4 5 6 7 8] [0 1 4 7]