User np.argwhere()与np.where()

`np.argwhere()`和`np.where()`都是NumPy库中的函数，用于在数组中查找满足条件的元素的索引。

`np.where()`函数返回满足条件的元素的索引，而`np.argwhere()`函数返回满足条件的元素的坐标，即每个元素的索引值组成的元组。

以下是两个函数的使用示例：

import numpy as np

# 创建一个二维数组
arr = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])

# 使用np.where()函数查找数组中大于3的元素的索引
indices = np.where(arr > 3)
print(indices)  # 输出：(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))

# 使用np.argwhere()函数查找数组中大于3的元素的坐标
coordinates = np.argwhere(arr > 3)
print(coordinates)  # 输出：[[1 1][1 2][2 0][2 1][2 2]]

相关问题

np.where用法举例

np.where是NumPy库中的一个函数，用于根据给定的条件返回符合条件的元素的索引或值。它的用法如下：

1. 返回符合条件的元素的索引：

   import numpy as np
   
   arr = np.array([1, 2, 3, 4, 5])
   indices = np.where(arr > 3)
   print(indices)

输出：

   (array([3, 4]),)

这的条件是arr 3，np.where返回了满足条件的元素的索，即3和4。

2. 返回符合条件的元素值：

   import numpy as np
   
   arr = np.array([1, 2, 3, 4, 5])
   values = np.where(arr > 3, arr, 0)
   print(values)

输出：

   [0 0 0 4 5]

这里的条件是arr > 3，np.where返回了满足条件的元素的值，不满足条件的元素用0代替。

3. 多个条件的使用：

   import numpy as np
   
   arr = np.array([1, 2, 3, 4, 5])
   values = np.where((arr > 2) & (arr < 5), arr, -1)
   print(values)

输出：

   [-1 -1  3  4 -1]

这里的条件是arr > 2和arr < 5，np.where返回了同时满足两个条件的元素的值，不满足条件的元素用-1代替。

import numpy as np # 构建用户-物品评分矩阵 user_item_matrix = np.array([ [3.5, 4.5, 0, 0], [0, 0, 3.5, 4.5], [4.0, 3.5, 4.0, 0] ]) # 计算用户之间的相似度矩阵（余弦相似度） user_sim_matrix = np.zeros((user_item_matrix.shape[0], user_item_matrix.shape[0])) for i in range(user_item_matrix.shape[0]): for j in range(user_item_matrix.shape[0]): if i == j: continue user_sim_matrix[i][j] = np.dot(user_item_matrix[i], user_item_matrix[j]) / ( np.linalg.norm(user_item_matrix[i]) * np.linalg.norm(user_item_matrix[j])) # 对于每个用户，计算推荐列表 for i in range(user_item_matrix.shape[0]): rated_items = np.where(user_item_matrix[i] > 0)[0] # 已评分或观看的物品 unrated_items = np.where(user_item_matrix[i] == 0)[0] # 未评分或观看的物品 scores = np.dot(user_sim_matrix[i], user_item_matrix) / np.sum(user_sim_matrix[i]) # 计算推荐分数 rec_items = unrated_items[np.argsort(scores[unrated_items])[::-1]] # 按推荐分数排序 print(f"为用户{i}推荐的电影是：{rec_items[:2]}").这段代码每一行的解释，给出每一行的解释，说明为什么？

第一行：导入numpy库，命名为np。

第二行：创建一个3x4的用户-物品评分矩阵，每行代表一个用户，每列代表一个物品，矩阵中的数值表示该用户对该物品的评分，0表示未评分或未观看。

第五行：创建一个与用户数相同的全0方阵，用于存储用户之间的相似度矩阵。

第六至九行：对于每一对不同的用户，计算它们之间的余弦相似度，并存储在相似度矩阵中。

第十二至二十二行：对于每个用户，找出他们已评分或观看过的物品和未评分或未观看的物品；然后，计算该用户与其他所有用户的相似度加权评分（即推荐分数），并按照推荐分数从高到低排序；最后，输出每个用户的前两个推荐物品。

注：np.dot()表示矩阵乘法，np.linalg.norm()表示求矩阵或向量的范数。