numpy-查找操作大全

本文記錄日常工作中遇到的查找操作，持續更新。

 

注意：輸入必須是 數組，不能是 list

 

極值

min，max 返回極值

argmin(a, axis=None, out=None)， 返回極值所在的位置；不帶 axis，先拉直，再找極值；帶 axis，找某個維度的極值

b = np.array([[1, 2, 3, 5], [4, 6, 2, 6]])
print(np.max(b))  # 返回最大值   6
print(np.min(b))  # 返回最小值   1
print(np.argmax(b))  # 返回第一個最大值的位置  5
print(np.argmin(b))  # 返回第一個最小值的位置  0

print(np.argmin(b, axis=1))     # [0 2]

 

NaN值

nan 值由多種表達形式，如 None，np.nan，np.NaN等

isnan，輸入可以是 一維，也可以是 二維，返回布爾索引

x = np.array(range(10), dtype=np.float)
y = np.array(range(10,20))
print(x.shape)                      # (10,)
print(x)                            # [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
print(y)                            # [10 11 12 13 14 15 16 17 18 19]
x[3] = None                         # 插入 nan
x[5] = np.NaN                       # 插入 nan
print(x)                            # [ 0.  1.  2. nan  4. nan  6.  7.  8.  9.]

# isnan     返回索引
print(np.isnan(x))                  # [False False False  True False  True False False False False]
print(y[np.isnan(x)])               # [13 15]
print(y[~np.isnan(x)])              # [10 11 12 14 16 17 18 19]

如果想返回數值索引，可如下操作

data4 = np.array([1, 3, np.nan, 5])

## isnan 返回 nan 值的布爾下標
print np.isnan(data4)   # [False False  True False]

## where 找到 nan 值的數值下標
print np.where(np.isnan(data4))         # (array([2]),)
print np.where(~np.isnan(data4))        # (array([0, 1, 3]),)

 

注意，nan 值 不能用 where 查找

print(np.where(x != np.NaN))        # (array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),)  這樣不行

 

經常遇到這么一個錯誤

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

錯誤原因：有異常的數據類型，非 int float 

解決方法：轉換數據類型，.astype('float')

 

where 條件

where，返回tuple，第一個值是索引，第二個是空值

1. 輸入必須是 數組，不能是 list

2. 輸入一般是一維，行向量或者列向量都可以

3. 輸入多維，將返回兩個索引，行向量或者列向量返回不同

argwhere，直接返回索引，返回為二維數組，列向量

# list 返回錯誤
data = range(10)
print np.where(data>6)      # (array([0]),)

# 一維數組
data1 = np.array(range(0, 20, 2))
print np.where(data1>6)     # (array([7, 8, 9]),)
print np.where(data1.T>6)   # (array([7, 8, 9]),)

# 二維數組
data2 = np.array([range(0, 20, 2)])
print np.where(data2>6)     # (array([0, 0, 0]), array([7, 8, 9]))

# 多行多列
data3 = np.array([range(10), range(10)])
print(data3)
print np.where(data3>6)         # (array([0, 0, 0, 1, 1, 1]), array([7, 8, 9, 7, 8, 9]))
print np.where(data3.T>6)       # (array([7, 7, 8, 8, 9, 9]), array([0, 1, 0, 1, 0, 1]))

## argwhere 直接返回索引
print np.argwhere(data1>6)
# [[4]
#  [5]
#  [6]
#  [7]
#  [8]
#  [9]]
print np.argwhere(data1.T>6)
# [[4]
#  [5]
#  [6]
#  [7]
#  [8]
#  [9]]

 

where 也可輸入多個條件

# 求公共部分
print np.intersect1d([1, 4, 3], [3, 4, 5])          # [3 4]

# 多個條件
data2 = np.array([1,5, 11,16,20])
print np.where(data2>10)                                            # (array([2, 3, 4]),)

print np.where((data2>10) & (data2<18))                             # (array([2, 3]),)
print np.where(np.logical_and(data2>10, data2<18))                  # (array([2, 3]),)
print np.intersect1d(np.where(data2>10)[0], np.where(data2<18)[0])  # [2 3]

 

extract 條件

extract(condition, arr)，按某條件查找，返回元素

print(np.extract(np.isnan(x), x))   # [nan nan]
print(np.extract(np.isnan(x), y))   # [13 15]
print(np.extract(x>8, x))           # [9.]

 

非0元素

nonzero，返回tuple，第一個值是索引，第二個是空值

x = [1, 0, 3, 0]
print(np.nonzero(x))                # (array([0, 2]),)

 

 

未完待續...