【numpy基础】--数组过滤

精致的淘气

在numpy中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。
处理数组的过程中，经常需要用到数组过滤功能。
过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。
例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。
numpy本身提供了很多针对特定要求的过滤函数，
不过本篇只介绍最基本的过滤方式，通过最基本的过滤方式来揭示其过滤的原理。
1. 比较

比较是过滤的前提，因为通过比较才能确定过滤的条件。
1.1. 数组和单个数字

1. import numpy as np
3. arr = np.random.randint(0, 10, (3, 3))
4. print(arr)
5. #运行结果
6. [[4 1 4]
7. [7 6 1]
8. [8 9 5]]
10. print(arr > 5)
11. #运行结果
12. [[False False False]
13. [ True  True False]
14. [ True  True False]]

复制代码

数组和单个数字比较，也满足上一篇介绍的广播原则，也就是数组arr的每个元素都和数字5进行了比较。
比较的结果是和arr相同结构的数组，数组中的元素是bool值。
满足比较条件是True，不满足比较条件的是False。
1.2. 数组和数组

除了和单个数字比较之外，数组之间也是可以比较的。

1. arr1 = np.random.randint(0, 10, (3, 3))
2. print(arr1)
3. #运行结果
4. [[9 7 3]
5. [2 8 5]
6. [2 2 3]]
8. arr2 = np.random.randint(0, 10, (3, 3))
9. print(arr2)
10. #运行结果
11. [[1 6 0]
12. [0 1 8]
13. [9 0 5]]
15. print(arr1 > arr2)
16. #运行结果
17. [[ True  True  True]
18. [ True  True False]
19. [False  True False]]

复制代码

数组之间的比较就是相同位置的元素之间比较，如果两个数组的结构不一样，会按照上一篇介绍的广播计算方式来扩充数组。
比如：

1. arr1 = np.random.randint(0, 10, (3, 3))
2. print(arr1)
3. #运行结果
4. [[9 6 0]
5. [1 4 9]
6. [1 1 4]]
8. arr2 = np.random.randint(0, 10, (3, 1))
9. print(arr2)
10. #运行结果
11. [[1]
12. [0]
13. [9]]
15. print(arr1 > arr2)
16. #运行结果
17. [[ True  True False]
18. [ True  True  True]
19. [False False False]]

复制代码

上面的数组arr2，按广播规则被扩充成：

[[1  1  1]
[0  0  0]
[9  9  9]]

2. 掩码

所谓掩码，其实就是上面的各个示例中的比较结果。
也就是只包含bool值的数组，比如：

[[ True  True False]
[ True  True  True]
[False False False]]

我们就是根据这个掩码，来过滤出数组中的True 或者 False 位置的元素。
3. 过滤

过滤就是根据掩码，选择出符合条件的元素。
3.1. 单条件过滤

1. arr = np.random.randint(0, 10, (3, 3))
2. print(arr)
3. #运行结果
4. [[8 4 0]
5. [2 2 9]
6. [9 5 9]]
8. print(arr[arr > 5])
9. #运行结果
10. [8 9 9 9]

复制代码

最后得到的是arr中值大于5的元素数组。
其中 arr > 5 的结果就是上一节提到的掩码，最后过滤出的元素就是根据这个掩码得到的。
除了跟单独的数字比较，也可以和数组比较：

1. arr1 = np.random.randint(0, 10, (3, 3))
2. print(arr1)
3. #运行结果
4. [[3 4 7]
5. [4 6 2]
6. [7 2 1]]
8. arr2 = np.random.randint(0, 10, (3, 3))
9. print(arr2)
10. #运行结果
11. [[2 3 1]
12. [7 7 7]
13. [1 6 4]]
15. print(arr1[arr1 > arr2])
16. #运行结果
17. [3 4 7 7]

复制代码

3.2. 多条件过滤

多条件过滤使用 & 和 | 来连接不同的条件。

1. arr1 = np.random.randint(0, 10, (3, 3))
2. print(arr1)
3. #运行结果
4. [[1 0 5]
5. [7 4 9]
6. [8 5 4]]
8. arr2 = np.random.randint(0, 10, (3, 3))
9. print(arr2)
10. #运行结果
11. [[6 4 1]
12. [0 1 1]
13. [8 5 8]]
15. print(arr1[(arr1 > 5) & (arr1 > arr2)])
16. #运行结果
17. [7 9]

复制代码

过滤arr1中大于5** 并且 **对应位置比arr2大的元素。

1. arr1 = np.random.randint(0, 10, (3, 3))
2. print(arr1)
3. #运行结果
4. [[1 0 5]
5. [7 4 9]
6. [8 5 4]]
8. arr2 = np.random.randint(0, 10, (3, 3))
9. print(arr2)
10. #运行结果
11. [[6 4 1]
12. [0 1 1]
13. [8 5 8]]
15. print(arr1[(arr1 > 5) | (arr1 > arr2)])
16. #运行结果
17. [5 7 4 9 8]

复制代码

过滤arr1中大于5** 或者 **对应位置比arr2大的元素。
4. 总结回顾

本篇主要介绍了过滤的基本原理，首先从比较开始，比较的结果是掩码，最后通过掩码过滤数组。

来源:https://www.cnblogs.com/wang_yb/p/17515408.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！