Comment utiliser Python Numpy où fonctionne avec plusieurs conditions
Syntaxe:
nombant.où (condition, [x, y])où la fonction () peut prendre deux arguments. Le premier argument est obligatoire, et le deuxième argument est facultatif. Si la valeur du premier argument (condition) est vrai, alors la sortie contiendra les éléments du tableau du tableau, X Sinon à partir du tableau, y. Cette fonction renvoie les valeurs d'index du tableau d'entrée si aucun argument facultatif n'est utilisé.
Utilisation de la fonction où ():
Différents types d'opérateurs booléens peuvent être utilisés pour définir l'état de cette fonction. Les utilisations d'une fonction () avec plusieurs conditions sont indiquées dans cette partie du tutoriel.
Exemple -1: utilisation de plusieurs conditions avec logique ou
L'exemple suivant montre l'utilisation de la fonction où () avec et sans l'argument facultatif. Ici, le logique ou a utilisé pour définir la condition. La première fonction où () a appliqué dans un tableau unidimensionnel qui renverra le tableau des indices du tableau d'entrée où la condition reviendra Vrai. La seconde fonction où () a appliqué dans deux tableaux unidimensionnels récupérer les valeurs du premier tableau lorsque la condition retournera vrai. Sinon, il récupérera les valeurs du deuxième tableau.
# Importer la bibliothèque NumpyImporter Numpy comme NP
# Créez un tableau à l'aide de la liste
np_array1 = np.Array ([23, 11, 45, 43, 60, 18, 33, 71, 52, 38])
print ("Les valeurs du tableau d'entrée: \ n", np_array1)
# Créez un autre tableau basé sur les conditions multiples et un tableau
new_array1 = np.où ((np_array1 50))
# Imprimez le nouveau tableau
print ("Les valeurs filtrées du tableau: \ n", new_array1)
# Créer un tableau à l'aide de valeurs de plage
np_array2 = np.Arange (40, 50)
# Créez un autre tableau basé sur les conditions multiples et deux tableaux
new_array2 = np.où ((np_array1 60), np_array1, np_array2)
# Imprimez le nouveau tableau
print ("Les valeurs filtrées du tableau: \ n", new_array2)
Sortir:
La sortie suivante apparaîtra après avoir exécuté le script ci-dessus. Ici, la condition est revenue Vrai pour les valeurs de 23,11,18,33 et 38 du premier tableau. La condition est revenue FAUX pour les valeurs 45, 43, 60, 71 et 52. Ainsi, 42, 43, 44 et 48 ont été ajoutés à partir du deuxième tableau pour les valeurs 45, 43, 60 et 52. Ici, 71 est hors de portée.
Exemple -2: utilisation de plusieurs conditions avec logique et
L'exemple suivant montre comment la fonction () peut être utilisée avec les multiples conditions définies par logique et appliquées en deux tableaux unidimensionnels. Ici, deux tableaux numpy unidimensionnels ont été créés en utilisant la fonction rand (). Ces tableaux ont été utilisés dans la fonction où () avec les multiples conditions pour créer le nouveau tableau basé sur les conditions. La condition reviendra Vrai Lorsque la valeur du premier tableau est inférieure à 40 et que la valeur du deuxième tableau est supérieure à 60. Le nouveau tableau a imprimé plus tard.
# Importer la bibliothèque NumpyImporter Numpy comme NP
# Créez deux tableaux de valeurs aléatoires
np_array1 = np.aléatoire.rand (10) * 100
np_array2 = np.aléatoire.rand (10) * 100
# Imprimez les valeurs du tableau
print ("\ nthe valeurs du premier tableau: \ n", np_array1)
print ("\ nthe les valeurs du deuxième tableau: \ n", np_array2)
# Créez un nouveau tableau basé sur les conditions
new_array = np.où ((np_array1 60), np_array1, np_array2)
# Imprimez le nouveau tableau
print ("\ nthe Valeurs filtrées des deux tableaux: \ n", new_array)
Sortir:
La sortie suivante apparaîtra après avoir exécuté le script ci-dessus. La condition est revenue FAUX Pour tous les éléments. Ainsi, le tableau renvoyé contient les valeurs du deuxième tableau uniquement.
Exemple-3: utilisation de plusieurs conditions dans le tableau multidimensionnel
L'exemple suivant montre comment la fonction () peut être utilisée avec les multiples conditions définies par logique ET qui sera appliqué dans deux tableaux multidimensionnels. Ici, deux tableaux multidimensionnels ont été créés en utilisant des listes. Ensuite, ces fonctions ont appliqué où () la fonction pour créer le nouveau tableau basé sur la condition. La condition utilisée dans la fonction reviendra Vrai où la valeur du premier tableau est uniforme et la valeur du deuxième tableau est impair; Sinon, la condition reviendra FAUX.
# Importer la bibliothèque NumpyImporter Numpy comme NP
# Créez deux tableaux multidimensionnels de valeurs entières
np_array1 = np.Array ([[5, 12, 21, 6, 11], [6, 10, 15, 31, 8]])
np_array2 = np.Array ([[43, 19, 7, 34, 9], [99, 22, 41, 5, 12]])
# Imprimez les valeurs du tableau
print ("\ nthe valeurs du premier tableau: \ n", np_array1)
print ("\ nthe les valeurs du deuxième tableau: \ n", np_array2)
# Créez un nouveau tableau à partir de deux tableaux basés sur les conditions
new_array = np.où (((np_array1% 2 == 0) & (np_array2% 2 == 1)), np_array1, np_array2)
# Imprimez le nouveau tableau
print ("\ nthe Valeurs filtrées des deux tableaux: \ n", new_array)
Sortir:
La sortie suivante apparaîtra après avoir exécuté le script ci-dessus. Dans la sortie, 43, 12, 7, 34, 9, 22, 41, 5 et 12 ont ajouté le nouveau tableau du deuxième tableau car la condition est FAUX Pour ces valeurs. La première valeur de 12 premières dans le nouveau tableau a ajouté à partir du premier tableau car la condition est Vrai pour cette valeur seulement.
Conclusion:
où la fonction () de la bibliothèque Numpy est utile pour filtrer les valeurs de deux tableaux. Création d'un nouveau tableau en filtrant les données à partir de deux tableaux basés sur plusieurs conditions définies par logique ou logique et a été expliquée dans ce tutoriel. J'espère que les lecteurs pourront utiliser cette fonction correctement dans leur script après avoir pratiqué les exemples de ce tutoriel.