numpy
Filtrage des données
Recherche…
Filtrage des données avec un tableau booléen
Quand un seul argument est fourni à numpy's where
function, il retourne les indices du tableau en entrée (la condition
) qui ont la valeur true (même comportement que numpy.nonzero
). Cela peut être utilisé pour extraire les index d'un tableau qui satisfait une condition donnée.
import numpy as np
a = np.arange(20).reshape(2,10)
# a = array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
# [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])
# Generate boolean array indicating which values in a are both greater than 7 and less than 13
condition = np.bitwise_and(a>7, a<13)
# condition = array([[False, False, False, False, False, False, False, False, True, True],
# [True, True, True, False, False, False, False, False, False, False]], dtype=bool)
# Get the indices of a where the condition is True
ind = np.where(condition)
# ind = (array([0, 0, 1, 1, 1]), array([8, 9, 0, 1, 2]))
keep = a[ind]
# keep = [ 8 9 10 11 12]
Si vous n'avez pas besoin des index, vous pouvez le faire en une étape en utilisant extract
, où vous devez spécifier la condition
comme premier argument, mais donner au array
les valeurs d'où la condition est vraie en tant que second argument.
# np.extract(condition, array)
keep = np.extract(condition, a)
# keep = [ 8 9 10 11 12]
Deux arguments supplémentaires x
et y
peuvent être fournis à l' where
, dans ce cas, la sortie contiendra les valeurs de x
où la condition est True
et les valeurs de y
où la condition est False
.
# Set elements of a which are NOT greater than 7 and less than 13 to zero, np.where(condition, x, y)
a = np.where(condition, a, a*0)
print(a)
# Out: array([[ 0, 0, 0, 0, 0, 0, 0, 0, 8, 9],
# [10, 11, 12, 0, 0, 0, 0, 0, 0, 0]])
Filtrage direct des indices
Pour les cas simples, vous pouvez filtrer les données directement.
a = np.random.normal(size=10)
print(a)
#[-1.19423121 1.10481873 0.26332982 -0.53300387 -0.04809928 1.77107775
# 1.16741359 0.17699948 -0.06342169 -1.74213078]
b = a[a>0]
print(b)
#[ 1.10481873 0.26332982 1.77107775 1.16741359 0.17699948]