Come usare python numpy dove funzionano con più condizioni

Numpy Library ha molte funzioni per creare l'array in Python. dove () la funzione è uno di questi per creare un array da un altro array numpy basato su una o più condizioni. Alcune operazioni possono essere eseguite al momento della creazione di array in base alla condizione usando questa funzione. Può essere usato senza alcuna espressione condizionale. Come questa funzione può essere utilizzata con più condizioni in Python è mostrato in questo tutorial.

Sintassi:

numpy.dove (condizione, [x, y])

dove la funzione () può prendere due argomenti. Il primo argomento è obbligatorio e il secondo argomento è facoltativo. Se il valore del primo argomento (condizione) è vero, quindi l'output conterrà gli elementi dell'array dall'array, X altrimenti dall'array, y. Questa funzione restituirà i valori dell'indice dell'array di input se non viene utilizzato alcun argomento opzionale.

Uso di dove () funzione:

Diversi tipi di operatori booleani possono essere utilizzati per definire la condizione di questa funzione. Gli usi di dove una funzione () con più condizioni sono mostrati in questa parte del tutorial.

Esempio -1: uso di più condizioni con logico o

Il seguente esempio mostra l'uso della funzione Where () con e senza l'argomento opzionale. Qui, il logico o ha usato per definire la condizione. La prima funzione Where () si è applicata in un array monodimensionale che restituirà l'array di indici dell'array di input in cui la condizione tornerà VERO. La seconda funzione in cui () la funzione è applicata in due array monodimensionali recupererà i valori dal primo array quando la condizione restituirà vera. Altrimenti, recupererà i valori dal secondo array.

# Importa Numpy Library
Importa Numpy come NP
# Crea un array usando l'elenco
np_array1 = np.Array ([23, 11, 45, 43, 60, 18, 33, 71, 52, 38])
print ("I valori dell'array di input: \ n", np_array1)
# Crea un altro array in base alle molteplici condizioni e a un array
new_array1 = np.dove ((np_array1 50))
# Stampa il nuovo array
print ("I valori filtrati dell'array: \ n", new_array1)
# Crea un array usando i valori di intervallo
np_array2 = np.Arange (40, 50)
# Crea un altro array in base alle molteplici condizioni e due array
new_array2 = np.dove ((np_array1 60), np_array1, np_array2)
# Stampa il nuovo array
Print ("I valori filtrati dell'array: \ n", new_array2)

Produzione:

Verrà visualizzato il seguente output dopo aver eseguito lo script sopra. Qui, la condizione è tornata VERO per i valori 23,11,18,33 e 38 del primo array. La condizione è tornata Falso per i valori 45, 43, 60, 71 e 52. Quindi, 42, 43, 44 e 48 sono stati aggiunti dal secondo array per i valori 45, 43, 60 e 52. Qui, 71 è fuori portata.

Esempio -2: uso di più condizioni con logico e

L'esempio seguente mostra come la funzione () può essere utilizzata con le più condizioni definite da logiche e applicate in due array monodimensionali. Qui, sono stati creati due array numpy unidimensionali utilizzando la funzione Rand (). Questi array sono stati utilizzati nella funzione Where () con le molteplici condizioni per creare il nuovo array in base alle condizioni. La condizione tornerà VERO Quando il valore del primo array è inferiore a 40 e il valore del secondo array è maggiore di 60. Il nuovo array ha stampato in seguito.

# Importa Numpy Library
Importa Numpy come NP
# Crea due array di valori casuali
np_array1 = np.casuale.Rand (10)*100
np_array2 = np.casuale.Rand (10)*100
# Stampa i valori dell'array
print ("\ nthe valori del primo array: \ n", np_array1)
print ("\ nthe valori del secondo array: \ n", np_array2)
# Crea un nuovo array in base alle condizioni
new_array = np.dove ((np_array1 60), np_array1, np_array2)
# Stampa il nuovo array
print ("\ nthe Valori filtrati di entrambi gli array: \ n", new_array)

Produzione:

Verrà visualizzato il seguente output dopo aver eseguito lo script sopra. La condizione è tornata Falso Per tutti gli elementi. Quindi, l'array restituito contiene i valori solo dal secondo array.

Esempio-3: utilizzo di più condizioni nell'array multidimensionale

L'esempio seguente mostra come la funzione () può essere utilizzata con le più condizioni definite da logica E che verrà applicato in due array multidimensionali. Qui, sono stati creati due array multidimensionali utilizzando gli elenchi. Successivamente, queste funzioni si sono applicate nella funzione dove () per creare il nuovo array in base alla condizione. La condizione utilizzata nella funzione tornerà VERO dove il valore del primo array è uniforme e il valore del secondo array è dispari; Altrimenti, la condizione tornerà Falso.

# Importa Numpy Library
Importa Numpy come NP
# Crea due array multidimensionali di valori interi
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]])
# Stampa i valori dell'array
print ("\ nthe valori del primo array: \ n", np_array1)
print ("\ nthe valori del secondo array: \ n", np_array2)
# Crea un nuovo array da due array in base alle condizioni
new_array = np.dove (((np_array1 % 2 == 0) & (np_array2 % 2 == 1)), np_array1, np_array2)
# Stampa il nuovo array
print ("\ nthe Valori filtrati di entrambi gli array: \ n", new_array)

Produzione:

Verrà visualizzato il seguente output dopo aver eseguito lo script sopra. Nell'output, 43, 12, 7, 34, 9, 22, 41, 5 e 12 hanno aggiunto nel nuovo array dal secondo array perché la condizione è Falso per questi valori. Il primo valore 12 nel nuovo array ha aggiunto dal primo array perché la condizione è VERO Solo per questo valore.

Conclusione:

Laddove la funzione () della libreria numpy è utile per filtrare i valori da due array. Creazione di un nuovo array filtrando i dati da due array in base a più condizioni definite da logico o logico ed è stato spiegato in questo tutorial. Spero che i lettori siano in grado di utilizzare questa funzione nel loro script dopo aver praticato gli esempi di questo tutorial.