Filtre nu

La récupération des éléments ou l'obtention d'éléments de certaines données est connue sous le nom de filtrage. Numpy est le package qui nous permet de créer des tableaux et de stocker tout type de données sous la forme d'un tableau. En ce qui concerne le filtrage dans les tableaux tout en travaillant avec des packages Numpy fournis par Python, il nous permet de filtrer ou d'obtenir des données à partir de tableaux à l'aide de fonctions intégrées fournies par Numpy. Une liste d'index booléenne, une liste de booléens correspondant aux positions de tableau, peut être utilisé pour filtrer les tableaux. Si l'élément de l'index du tableau est vrai, il sera stocké dans le tableau à moins que l'élément ne soit exclu du tableau.

Supposons que nous ayons les données des étudiants stockés sous forme de tableaux et que nous voulons filtrer les étudiants ratés. Nous allons simplement filtrer le tableau et exclure les étudiants défaillants et une nouvelle gamme de l'étudiant adopté sera obtenu.

Étapes pour filtrer un tableau nu

Étape 1: Importation de module Numpy.

Étape 2: Créer un tableau.

Étape 3: Ajouter une condition de filtrage.

Étape 4: Créer un nouveau tableau filtré.

Syntaxe:

Il existe plusieurs façons de filtrer les tableaux. Cela dépend de l'état du filtre, comme si nous n'avons qu'une seule condition ou si nous avons plus d'une condition.

Méthode 1: Pour une condition, nous suivrons la syntaxe suivante

tableau [tableau < condition]

Dans la syntaxe mentionnée ci-dessus, le «tableau» est le nom du tableau à partir duquel nous filtrerons les éléments. Et la condition sera l'état sur lequel les éléments sont filtrés et l'opérateur "<” is the mathematical sign that represents less than. It is efficient to use it when we only have one condition or statement.

Méthode 2: Utilisation de l'opérateur «ou»

tableau [(tableau < condition1) | (array > condition 2)]

Dans cette méthode, le «tableau» est le nom du tableau à partir duquel nous filtrerons les valeurs et la condition y est transmise. Opérateur «|» est utilisé pour représenter la fonction «ou» qui signifie que dans les deux conditions, il faut être vrai. C'est utile quand il y a deux conditions.

Méthode 3: Utilisation de l'opérateur «et».

tableau [(tableau < condition1) & (array > condition 2)]

Dans la syntaxe suivante, le «tableau» est le nom du tableau à filtrer. Tandis que la condition sera l'état comme discuté dans la syntaxe ci-dessus tandis que l'opérateur a utilisé «&» est l'opérateur et, ce qui signifie que les deux conditions doivent être vraies.

Méthode 4: Filtrage par des valeurs répertoriées

array [np.in1d (array, [liste des valeurs])]

Dans cette méthode, nous avons passé notre tableau défini «NP.in1d ”qui est utilisé pour comparer deux tableaux si l'élément du tableau qui doit être filtré est présent dans un autre tableau ou non. Et le tableau est transmis au NP.fonction in1d qui doit être filtrée à partir du tableau donné.

Exemple # 01:

Maintenant, mettons en œuvre la méthode ci-dessus dans un exemple. Tout d'abord, nous inclurons nos bibliothèques Numpy fournies par Python. Ensuite, nous créerons un tableau nommé «My_Array» qui tiendra les valeurs «2», «3», «1», «9», «3», «5», «6» et «1». Ensuite, nous passerons notre code de filtre qui est «My_Array [(my_array < 5)]” to the print statement which means we are filtering the values that are less than “5”. In the next line, we created another array of name “array” that is responsible for having values “1”, “2”, “6”, “3”, “8”, “1” and “0”. To the print statement, we passed the condition that we will print the values that are greater than 5.

Enfin, nous avons créé un autre tableau que nous avons nommé «Arr». Il tient les valeurs «6», «7», «10», «12» et «14». Maintenant, pour ce tableau, nous allons imprimer la valeur qui n'existe pas dans le tableau pour voir ce qui se passera si la condition ne correspond pas. Pour ce faire, nous avons passé la condition qui filtrera la valeur égale à la valeur «5».

Importer Numpy comme NP
my_array = np.tableau ([2, 3, 1, 9, 3, 5, 2, 6, 1])
imprimer ("valeurs moins de 5", my_array [(my_array < 5)])
array = np.Array ([1, 2, 6, 3, 8, 1, 0])
imprimer ("valeurs supérieures à 5", tableau [(tableau> 5)])
arr = np.Array ([6, 7, 10, 12, 14])
print ("valeurs égales 5", arr [(arr == 5)])

Après avoir exécuté le code, nous avons la sortie suivante en conséquence, dans laquelle nous avons affiché les 3 sorties, la première est pour les éléments inférieurs à «5» dans la deuxième exécution, nous avons imprimé les valeurs supérieures à «5». À la fin, nous avons imprimé la valeur qui n'existe pas car nous pouvons voir qu'elle n'affiche aucune erreur mais affiche le tableau vide, ce qui signifie que la valeur souhaitée n'existe pas dans le tableau donné.

Exemple # 02:

Dans ce cas, nous utiliserons certaines des méthodes dans lesquelles nous pouvons utiliser plus d'une condition pour filtrer les tableaux. Pour l'exécuter, nous importerons simplement la bibliothèque Numpy, puis créerons un tableau unidimensionnel de taille «9» ayant des valeurs «24», «3», «12», «9», «3», «5», «2», «6» et «7». Dans la ligne suivante, nous avons utilisé une déclaration d'impression à laquelle nous avons passé un tableau que nous avons initialisé avec le nom «my_array» avec la condition comme argument. En cela, nous avons passé la condition OR qui signifie que les deux, une condition doit être vraie. Si les deux sont vrais, il affichera les données des deux conditions. Dans cette condition, nous voulons imprimer les valeurs inférieures à «5» et supérieures à «9». Dans la ligne suivante, nous avons utilisé l'opérateur et pour vérifier ce qui se passera si nous utilisons une condition pour filtrer le tableau. Dans cette condition, nous avons affiché des valeurs supérieures à «5» et moins que «9».

Importer Numpy comme NP
my_array = np.Array ([24, 3, 12, 9, 3, 5, 2, 6, 7])
Imprimer («Valeurs moins de 5 ou supérieures à 9», My_Array [(My_Array < 5) | (my_array > 9)])
imprimer («valeurs supérieures à 5 et moins de 9», my_array [(my_array> 5) et (my_array < 9)])

Comme indiqué dans l'extrait ci-dessous, notre résultat pour le code ci-dessus s'affiche dans lequel nous avons filtré le tableau et obtenu le résultat suivant. Comme nous pouvons le voir, les valeurs supérieures à 9 et moins de 5 sont affichées dans la première sortie et les valeurs entre 5 et 9 sont négligées. Alors que, dans la ligne suivante, nous avons imprimé les valeurs entre «5» et «9» qui sont «6» et «7». Les autres valeurs des tableaux ne sont pas affichées.

Conclusion

Dans ce guide, nous avons brièvement discuté de l'utilisation des méthodes de filtre fournies par le package Numpy. Nous avons mis en œuvre plusieurs exemples pour vous élaborer sur la meilleure façon d'implémenter les méthodologies de filtre fournies par Numpy.