numpy.where筛选二维数组

numpy库中的`where()`函数是一个非常有用的工具，用于根据指定条件在二维数组中选择元素并返回一个新的数组。它的基本语法是`numpy.where(condition, x, y)`，其中：

- `condition`：这是一个布尔型的二维数组，如果某个位置的值为True，则对应位置的结果来自数组`x`；如果为False，则来自数组`y`。
- `x` 和 `y`：这两个参数都是可以是相同形状或者与`condition`匹配形状的一维或二维数组，它们会被应用到满足相应条件的位置。

例如，假设你有一个二维数组`arr`，你想找出所有大于0的元素及其索引，你可以这样做：

arr = np.array([[1, -2, 3], [4, -5, 6]])
mask = arr > 0
result = np.where(mask, arr, 0)

在这个例子中，`mask`会是一个布尔数组，表示原数组中每个元素是否大于0。`np.where(mask, arr, 0)`会选择出所有大于0的元素，并将其他位置填充为0。

相关问题

np.where()筛选二维数组

好的，关于你的问题，我可以给你一些帮助。np.where()函数可以用来根据某些条件筛选出一个二维数组中的元素。具体来说，np.where()函数会返回符合条件的元素的坐标，也就是一个二维数组的行列索引。下面是一个简单的例子：

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 使用 np.where() 函数筛选出大于 5 的元素
indices = np.where(arr > 5)

# 输出符合条件的元素的坐标
print(indices)

输出结果为：

(array([1, 2, 2]), array([2, 0, 1]))

这个结果表示，符合条件的元素分别在第 1 行第 2 列、第 2 行第 0 列和第 2 行第 1 列。

希望这个例子能够帮助你理解如何使用 np.where() 函数筛选二维数组中的元素。

用np.where()筛选二维float数组的元素

你可以使用np.where()函数筛选二维的float数组的元素。np.where()函数可以根据指定的条件，返回一个符合条件的数组元素的下标，你可以利用这个下标来获取符合条件的元素。

以下是一个简单的例子，假设我们有一个2x3的float数组a：

import numpy as np

a = np.array([[1.2, 2.3, 3.4],
              [4.5, 5.6, 6.7]])

现在我们想筛选出所有大于等于3的元素，可以使用以下代码：

index = np.where(a >= 3)
result = a[index]

这里，np.where()函数返回了符合条件的元素的下标，然后我们使用这个下标来获取相应的元素。最终结果为：

array([3.4, 4.5, 5.6, 6.7])

注意，np.where()函数返回的下标是一个二元组，第一个元素是符合条件的元素在行方向上的下标，第二个元素是符合条件的元素在列方向上的下标。如果你只需要获取符合条件的元素而不需要它们的下标，你可以直接使用a[np.where(a>=3)]获取它们。

如果你还有其他问题，请随时问我。