np.where如何判断数组

`np.where`是NumPy库中的一个功能，它是一个条件选择函数，用于根据给定的条件返回数组中对应元素的位置。其基本语法是`np.where(condition, x, y)`，其中`condition`是一个布尔数组，`x`和`y`是要插入到结果中的值，当`condition`为True时，`x`会被选中，反之则选中`y`。

举个例子，如果你有一个数组`array`，想要找出所有大于5的元素及其对应的索引，可以这样做：

array = np.array([1, 6, 3, 9, 4])
result = np.where(array > 5)
indices, values = result
print("Indices:", indices)  # 输出：(array([1, 3]), dtype=int64)
print("Values:", values)   # 输出：(array([6, 9]), dtype=int64)

这里`indices`就是满足条件的元素的索引，`values`则是这些元素本身。

`np.where`还可以用于替换数组中的值，比如将某个条件下为True的所有元素都替换成另一个值，如下所示：

array[array > 5] = -1

这会使数组变为`[1, -1, 3, -1, 4]`。

相关问题

np.where生成的数组

通过使用np.where函数，可以生成一个新的数组。np.where函数的使用方式是满足条件时将数组元素修改为x，否则修改为y。生成的新数组将保留原数组的形状和维度，并且不会修改原数组的数值。

举个例子，如果我们有一个一维数组arr1，其中包含了一些正数和负数，我们可以使用np.where(arr1>0, 1, -1)来生成一个新的数组arr2。在arr2中，原数组arr1中大于0的元素会被替换成1，小于等于0的元素会被替换成-1。

另外，np.where函数同样适用于二维数组。如果我们有一个二维数组arr1，我们同样可以使用np.where(arr1>0, 1, -1)来生成一个新的数组arr2。在arr2中，原数组arr1中大于0的元素会被替换成1，小于等于0的元素会被替换成-1。

总之，通过使用np.where函数，我们可以根据条件来生成新的数组，其中满足条件的元素会被修改，而不满足条件的元素会保持不变。<span class="em">1</span><span class="em">2</span><span class="em">3</span>

np.where二维数组

`np.where`函数在NumPy中用于根据特定条件返回一个数组中满足条件的元素的索引或值。对于二维数组，`np.where`的用法稍有不同。

首先，让我们假设有一个名为`arr`的二维数组。下面是使用`np.where`函数的两种常见用法：

1. 返回满足条件的元素的索引：

indices = np.where(condition, arr)

在这种情况下，`condition`是一个布尔数组，与`arr`具有相同的形状。`np.where`将返回满足条件的元素的索引。返回的索引是一个包含两个一维数组（分别表示行索引和列索引）的元组。

2. 返回满足条件的元素的值：

values = np.where(condition, arr, other)

在这种情况下，`condition`是一个布尔数组，与`arr`具有相同的形状。`np.where`将返回满足条件的元素的值。如果条件不满足，则返回`other`中对应位置的值。

下面是一个示例，演示了如何在二维数组中使用`np.where`函数：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Array:")
print(arr)

# 返回满足条件的元素的索引
indices = np.where(arr > 5)