Filtro numpy

Fetching per elementi o ottenere elementi da alcuni dati è noto come filtraggio. Numpy è il pacchetto che ci consente di creare array e archiviare qualsiasi tipo di dati sotto forma di un array. Quando si tratta di filtrare gli array mentre si lavora con pacchetti numpy forniti da Python, ci consente di filtrare o ottenere dati da array utilizzando funzioni integrate fornite da Numpy. È possibile utilizzare un elenco di indici booleani, un elenco di booleani corrispondenti alle posizioni dell'array. Se l'elemento nell'indice dell'array è vero, verrà memorizzato nell'array a meno che l'elemento non sia escluso dall'array.

Supponiamo che abbiamo i dati degli studenti archiviati sotto forma di array e vogliamo filtrare gli studenti falliti. Filtreremo semplicemente l'array ed escluderemo gli studenti falliti e verrà ottenuta una nuova serie di studente passata.

Passi per filtrare un array numpy

Passo 1: Importazione del modulo numpy.

Passo 2: Creazione di un array.

Passaggio 3: Aggiungi la condizione di filtraggio.

Passaggio 4: Crea un nuovo array filtrato.

Sintassi:

Esistono diversi modi per filtrare gli array. Dipende dalla condizione del filtro, come se abbiamo solo una condizione o abbiamo più di una condizione.

Metodo 1: per una condizione seguiremo la seguente sintassi

array [array < condition]

Nella sintassi sopra menzionata, "Array" è il nome dell'array da cui filtreremo gli elementi. E la condizione sarà lo stato su cui vengono filtrati gli elementi e l'operatore "<” is the mathematical sign that represents less than. It is efficient to use it when we only have one condition or statement.

Metodo 2: Utilizzo dell'operatore "o"

Array [(Array < condition1) | (array > condizione2)]

In questo metodo, "array" è il nome dell'array da cui filtreremo i valori e la condizione viene passata ad esso. Operatore "|" è usato per rappresentare la funzione "o" che significa che da entrambe le condizioni si dovrebbe essere vera. È utile quando ci sono due condizioni.

Metodo 3: utilizzando l'operatore "e".

Array [(Array < condition1) & (array > condizione2)]

Nella sintassi seguente, "Array" è il nome dell'array da filtrare. Considerando che la condizione sarà lo stato come discusso nella sintassi sopra mentre l'operatore ha usato "&" è l'operatore e l'operatore, il che significa che entrambe le condizioni devono essere vere.

Metodo 4: Filtro per valori elencati

array [np.in1d (array, [elenco di valori])]

In questo metodo, abbiamo superato il nostro array definito "NP.in1d "che viene utilizzato per confrontare due array se l'elemento dell'array che deve essere filtrato è presente in un altro array o no. E l'array viene passato al NP.funzione in1d che deve essere filtrata dall'array dato.

Esempio # 01:

Ora, implementiamo il metodo sopra discusso in un esempio. In primo luogo, includeremo le nostre biblioteche numpy fornite da Python. Quindi, creeremo un array chiamato "My_array" che terrà i valori "2", "3", "1", "9", "3", "5", "6" e "1". Successivamente, passeremo il nostro codice filtro che è "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.

Infine, abbiamo creato un altro array che abbiamo chiamato "arr". Tiene i valori "6", "7", "10", "12" e "14". Ora per questo array, stamperemo il valore che non esiste all'interno dell'array per vedere cosa accadrà se la condizione non corrisponde. Per fare ciò, abbiamo superato la condizione che filtrerà il valore uguale al valore "5".

Importa Numpy come NP
my_array = np.Array ([2, 3, 1, 9, 3, 5, 2, 6, 1])
print ("valori inferiori a 5", my_array [(my_array < 5)])
array = np.Array ([1, 2, 6, 3, 8, 1, 0])
print ("valori superiori a 5", array [(array> 5)])
arr = np.Array ([6, 7, 10, 12, 14])
print ("valori uguali 5", arr [(arr == 5)])

Dopo aver eseguito il codice, di conseguenza abbiamo il seguente output, in cui abbiamo visualizzato i 3 output il primo è per gli elementi inferiori a "5" nella seconda esecuzione abbiamo stampato i valori più grandi di "5". Alla fine, abbiamo stampato il valore che non esiste come possiamo vederlo non visualizza alcun errore ma visualizzato l'array vuoto, il che significa che il valore desiderato non esiste nell'array dato.

Esempio # 02:

In questo caso, useremo alcuni dei metodi in cui possiamo usare più di una condizione per filtrare gli array. Per eseguirlo, importeremo semplicemente la libreria numpy e quindi creeremo un array unidimensionale di dimensioni "9" con valori "24", "3", "12", "9", "3", "5", "2", "6" e "7". Nella riga successiva, abbiamo usato un'istruzione di stampa a cui abbiamo superato un array che abbiamo inizializzato con il nome "My_array" con la condizione come argomento. In questo, abbiamo superato la condizione o che significa da entrambi, una condizione deve essere vera. Se entrambi sono veri, visualizzerà i dati per entrambe le condizioni. In questa condizione, vogliamo stampare i valori inferiori a "5" e più di "9". Nella riga successiva, abbiamo usato l'operatore e per verificare cosa accadrà se utilizziamo una condizione per filtrare l'array. In questa condizione, abbiamo mostrato valori che sono maggiori di "5" e meno di "9".

Importa Numpy come NP
my_array = np.Array ([24, 3, 12, 9, 3, 5, 2, 6, 7])
Stampa ("Valori inferiori a 5 o più di 9", my_array [(my_array < 5) | (my_array > 9)])
stampa ("valori superiori a 5 e meno di 9", my_array [(my_array> 5) e (my_array < 9)])

Come mostrato nello snippet di seguito, il nostro risultato per il codice sopra viene visualizzato in cui abbiamo filtrato l'array e ottenuto il seguente risultato. Come possiamo vedere i valori superiori a 9 e meno di 5 vengono visualizzati nel primo output e i valori tra 5 e 9 vengono trascurati. Considerando che, nella riga successiva, abbiamo stampato i valori tra "5" e "9" che sono "6" e "7". Gli altri valori di array non vengono visualizzati.

Conclusione

In questa guida, abbiamo discusso brevemente l'uso dei metodi di filtro forniti dal pacchetto numpy. Abbiamo implementato più esempi per elaborare per te sul modo migliore per implementare le metodologie di filtro fornite da Numpy.