從頭開始學習numpy find的方法

介紹

Numpy是一個Python中常用的數值計算庫。它提供了一個多維數組對象，以及一些用於處理數組元素的函數。Numpy還提供了一些線性代數、傅里葉變換和隨機數生成等函數。其中，np.where和np.searchsorted函數用於查找數組中的元素。np.where用於返回符合條件的元素下標，np.searchsorted用於返回符合條件的元素下標從哪裡開始。

在本文中，我們將深入學習其中的np.where函數和np.searchsorted函數。通過學習這兩個函數，你可以更快，更高效地處理數組元素。如果你想掌握更多關於Numpy的知識，請參閱官方文檔。

np.where函數

使用方法

np.where(condition, x, y)函數用於返回符合條件的元素下標，其中condition是一個邏輯數組或布爾值數組。如果相應條件為True，則返回x中對應位置的值，否則返回y中對應位置的值。返回的是一個元組，包含所有符合條件的元素下標。下面是一個簡單的例子：

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])
c = np.array([False, True, False, True])

print(np.where(c, a, b)) # output: [10  2 30  4]

其中c數組表示是否選擇a中的元素：

• False表示選擇b數組中對應位置的元素。
• True表示選擇a數組中對應位置的元素。

從輸出結果可以看到，第2個和第4個元素被選擇了，它們分別是2和4。此外，我們還可以使用Numpy的比較運算符得到邏輯數組：

a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])

print(np.where(a > 2, a, b)) # output: [10 20  3  4]

其中a > 2返回了一個邏輯數組，它表示哪些元素大於2。

應用場景舉例

np.where函數在數據分析中有很多應用場景，比如：

• 查找符合條件的元素下標。
• 將符合條件的元素替換為另一個元素。
• 根據條件選擇不同的值或處理方式。

np.searchsorted函數

使用方法

np.searchsorted(a, v, side=’left’, sorter=None)函數用於返回符合條件的元素下標從哪裡開始。其中a是有序的一維數組，v是需要查找的值。該函數會返回數組中第一個大於或等於v的元素下標。如果查找key的值比數組中所有元素都大，則返回數組長度。如果數組中有多個相同的結果，則返回第一個匹配的位置。

a = np.array([0, 2, 4, 6, 8])
print(np.searchsorted(a, 6)) # output: 3

print(np.searchsorted(a, [-1, 1, 3, 9])) 
# output: [0 1 2 5]

在第一個例子中，數組a為[0, 2, 4, 6, 8]，查找6的位置。因為6在數組a中，故返回結果為3。

在第二個例子中，我們查找數組[-1, 1, 3, 9]中每個元素在a中的位置。可以看到，[-1, 1, 3]中的元素在a中都沒有出現過，故返回[0 1 2]。而9的值比數組中所有元素都大，故返回a的長度5。

應用場景舉例

np.searchsorted函數也有很多應用場景，比如：

• 判斷元素v在數組a中的位置，決定是否將其插入數組中。
• 查找有序數組中最大/最小的位置。

結論

本文介紹了Numpy庫中的兩個函數：np.where和np.searchsorted。通過這兩個函數，你可以更加高效地處理數組元素。np.where函數用於返回符合條件的元素下標；np.searchsorted函數用於返回符合條件的元素下標從哪裡開始。