np.where应用示例

np.where函数是NumPy库中的一个非常有用的函数，它可以根据给定的条件返回符合条件的元素的索引或者值。下面是一个简单的示例：

import numpy as np

# 创建一个NumPy数组
arr = np.array([1, 2, 3, 4, 5])

# 使用np.where函数找到数组中大于3的元素的索引
indices = np.where(arr > 3)
print(indices)  # 输出：(array([3, 4]),)

# 使用np.where函数找到数组中大于3的元素的值
values = arr[np.where(arr > 3)]
print(values)  # 输出：[4 5]

在上面的示例中，我们首先导入了NumPy库，并创建了一个包含整数的NumPy数组。然后，我们使用np.where函数找到数组中大于3的元素的索引。函数返回一个元组，其中第一个元素是一个包含符合条件的元素索引的NumPy数组。在这个例子中，数组中大于3的元素的索引是3和4。

接下来，我们使用np.where函数找到数组中大于3的元素的值。我们可以通过将返回的索引数组作为索引传递给原始数组来获取符合条件的元素的值。在这个例子中，数组中大于3的元素的值是4和5。

总结一下，np.where函数可以根据给定的条件返回符合条件的元素的索引或者值，这在数据处理和分析中非常有用。

相关问题

def draw_line(zeroArray, C): notZeroRow = np.where(np.sum(zeroArray == 1, axis=1) == 0)[0] deletaZeroColumn = np.where(zeroArray[notZeroRow] == -1)[1] notZeroRow = np.concatenate((notZeroRow, np.where(np.isin(zeroArray[:, deletaZeroColumn], 1))[0])) '划线操作' lineListRow = np.setdiff1d(np.arange(zeroArray.shape[0]), notZeroRow) lineListColumn = deletaZeroColumn findMin = np.copy(C) findMin[lineListRow, :] = 100000 findMin[:, lineListColumn] = 100000 minIndex = np.unravel_index(np.argmin(findMin), findMin.shape) C[notZeroRow, :] -= findMin[minIndex[0], minIndex[1]] for i in notZeroRow: negatives = np.where(C[i, :] < 0)[0] if negatives.size > 0: C[:, negatives] += findMin[minIndex[0], minIndex[1]] return C 添加注释

以下是给上述代码添加注释的示例：

def draw_line(zeroArray, C):
    # 找出没有独立零元素的行
    notZeroRow = np.where(np.sum(zeroArray == 1, axis=1) == 0)[0]
    # 找出非独立零元素的列
    deletaZeroColumn = np.where(zeroArray[notZeroRow] == -1)[1]

    # 将具有独立零元素的行和非独立零元素的列合并
    notZeroRow = np.concatenate((notZeroRow, np.where(np.isin(zeroArray[:, deletaZeroColumn], 1))[0]))
    
    '划线操作'
    # 找出需要划线的行
    lineListRow = np.setdiff1d(np.arange(zeroArray.shape[0]), notZeroRow)
    # 找出需要划线的列
    lineListColumn = deletaZeroColumn
    
    # 创建C的副本并将需要划线的部分设为一个极大数
    findMin = np.copy(C)
    findMin[lineListRow, :] = 100000
    findMin[:, lineListColumn] = 100000
    
    # 找到需要减去的最小值的索引
    minIndex = np.unravel_index(np.argmin(findMin), findMin.shape)
    
    # 在具有独立零元素的行上减去最小值
    C[notZeroRow, :] -= findMin[minIndex[0], minIndex[1]]
    
    # 消除负数元素
    for i in notZeroRow:
        negatives = np.where(C[i, :] < 0)[0]
        if negatives.size > 0:
            C[:, negatives] += findMin[minIndex[0], minIndex[1]]
    
    return C

注释解释了每个步骤的目的和操作，使代码更易读和理解。这样其他开发人员在阅读或维护代码时，能够更清楚地了解代码的逻辑和功能。

np.argwhere和np.where有什么区别？

np.argwhere和np.where都是用于根据条件返回数组中满足条件的元素的索引。它们的区别在于返回结果的形式和使用方式。

np.argwhere返回一个二维数组，其中每一行表示一个满足条件的元素的索引。每一行的元素是一个包含数组维度的元组，表示该元素在数组中的位置。

np.where返回一个包含满足条件的元素的索引的元组。如果只提供条件，它将返回一个包含满足条件的元素的索引的元组。如果同时提供了x和y参数，它将返回一个与条件相同形状的数组，其中满足条件的元素来自x，不满足条件的元素来自y。

下面是两个函数的示例使用方法：

1. 使用np.argwhere获取满足条件的元素的索引[^1]：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
condition = arr > 5
indices = np.argwhere(condition)
print(indices)

输出：

[[1 2]
 [2 0]
 [2 1]
 [2 2]]

2. 使用np.where获取满足条件的元素的索引或根据条件返回不同的值：

import numpy as np

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

x = np.array([1, 2, 3, 4, 5])
y = np.array([10, 20, 30, 40, 50])
result = np.where(condition, x, y)
print(result)

输出：

(array([3, 4]),)
[10 20 30  4  5]