Hvordan bruke python numpy der fungerer med flere forhold

Numpy Library har mange funksjoner for å lage matrisen i Python. hvor () funksjon er en av dem for å lage en rekke fra en annen numpy matrise basert på en eller flere forhold. Noen operasjoner kan gjøres på tidspunktet for oppretting av array basert på tilstanden ved å bruke denne funksjonen. Det kan brukes uten betinget uttrykk også. Hvordan denne funksjonen kan brukes med flere forhold i Python vises i denne opplæringen.

Syntaks:

numpy.hvor (tilstand, [x, y])

hvor () -funksjonen kan ta to argumenter. Det første argumentet er obligatorisk, og det andre argumentet er valgfritt. Hvis verdien av det første argumentet (betingelse) er sant, da vil utgangen inneholde matriseelementene fra matrisen, x Ellers fra matrisen, y. Denne funksjonen vil returnere indeksverdiene til inngangsarrayen hvis ikke noe valgfritt argument brukes.

Bruk av hvor () -funksjon:

Ulike typer boolske operatører kan brukes til å definere tilstanden til denne funksjonen. Bruken av hvor en () funksjon med flere forhold vises i denne delen av opplæringen.

Eksempel -1: Bruk av flere forhold med logisk eller

Følgende eksempel viser bruken av Where () -funksjonen med og uten det valgfrie argumentet. Her, det logiske eller har brukt til å definere tilstanden. Den første hvor () -funksjonen har brukt i en endimensjonal matrise som vil returnere utvalget av indekser på inngangsarrayen der tilstanden vil returnere ekte. Den andre hvor () -funksjonen har brukt i to endimensjonale matriser vil hente verdiene fra den første matrisen når tilstanden vil komme tilbake. Ellers vil den hente verdiene fra den andre matrisen.

# Importer numpy bibliotek
Importer numpy som NP
# Opprett en matrise ved hjelp av listen
np_array1 = np.Array ([23, 11, 45, 43, 60, 18, 33, 71, 52, 38])
print ("Verdiene til inngangsarrayen: \ n", np_array1)
# Opprett en annen matrise basert på flere forhold og en matrise
new_array1 = np.hvor ((np_array1 50))
# Skriv ut den nye matrisen
print ("De filtrerte verdiene til matrisen: \ n", new_array1)
# Opprett en matrise ved hjelp av rekkeviddeverdier
np_array2 = np.Arange (40, 50)
# Lag en annen matrise basert på flere forhold og to matriser
new_array2 = np.hvor ((np_array1 60), np_array1, np_array2)
# Skriv ut den nye matrisen
print ("De filtrerte verdiene til matrisen: \ n", new_array2)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Her har tilstanden kommet tilbake ekte For verdiene 23,11,18,33, og 38 av den første matrisen. Tilstanden har kommet tilbake Falsk for verdiene 45, 43, 60, 71 og 52. Så 42, ​​43, 44 og 48 er lagt til fra den andre arrayen for verdiene 45, 43, 60 og 52. Her er 71 utenfor rekkevidde.

Eksempel -2: Bruk av flere forhold med logisk og

Følgende eksempel viser hvordan () -funksjonen kan brukes med de flere forholdene definert av logisk og brukes i to endimensjonale matriser. Her er to endimensjonale numpy matriser blitt opprettet ved å bruke RAND () -funksjonen. Disse matriser har blitt brukt i hvor () -funksjonen med flere forhold for å lage den nye matrisen basert på forholdene. Tilstanden kommer tilbake ekte Når den første matrisens verdi er mindre enn 40 og verdien av den andre matrisen er større enn 60. Den nye matrisen har skrevet ut senere.

# Importer numpy bibliotek
Importer numpy som NP
# Lag to matriser av tilfeldige verdier
np_array1 = np.tilfeldig.Rand (10)*100
np_array2 = np.tilfeldig.Rand (10)*100
# Skriv ut arrayverdiene
print ("\ n Verdiene til den første matrisen: \ n", np_array1)
print ("\ n Verdiene til den andre matrisen: \ n", np_array2)
# Lag en ny matrise basert på forholdene
new_array = np.hvor ((np_array1 60), np_array1, np_array2)
# Skriv ut den nye matrisen
print ("\ n de filtrerte verdiene til begge matriser: \ n", new_array)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Tilstanden har kommet tilbake Falsk for alle elementer. Så den returnerte matrisen inneholder bare verdiene fra den andre matrisen.

Eksempel-3: Bruk av flere forhold i den flerdimensjonale matrisen

Følgende eksempel viser hvordan hvor () -funksjonen kan brukes med de flere forholdene definert av logisk OG som vil bli brukt i to flerdimensjonale matriser. Her er to flerdimensjonale matriser blitt opprettet ved å bruke lister. Deretter har disse funksjonene brukt i hvor () fungerer for å lage den nye matrisen basert på tilstanden. Tilstanden som brukes i funksjonen vil returnere ekte der verdien av den første matrisen er jevn og verdien av den andre matrisen er merkelig; Ellers vil tilstanden komme tilbake Falsk.

# Importer numpy bibliotek
Importer numpy som NP
# Lag to flerdimensjonale matriser av heltallverdier
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]])
# Skriv ut arrayverdiene
print ("\ n Verdiene til den første matrisen: \ n", np_array1)
print ("\ n Verdiene til den andre matrisen: \ n", np_array2)
# Opprett en ny matrise fra to matriser basert på forholdene
new_array = np.hvor (((np_array1 % 2 == 0) & (np_array2 % 2 == 1)), np_array1, np_array2)
# Skriv ut den nye matrisen
print ("\ n de filtrerte verdiene til begge matriser: \ n", new_array)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. I utgangen har 43, 12, 7, 34, 9, 22, 41, 5 og 12 lagt til i den nye matrisen fra den andre arrayen fordi tilstanden er Falsk for disse verdiene. Den første 12 verdien i den nye matrisen har lagt til fra den første matrisen fordi tilstanden er ekte bare for denne verdien.

Konklusjon:

Hvor () -funksjonen til det numpy biblioteket er nyttig for å filtrere verdiene fra to matriser. Opprette en ny matrise ved å filtrere dataene fra to matriser basert på flere betingelser definert av logisk eller og logisk og har blitt forklart i denne opplæringen. Jeg håper leserne vil kunne bruke denne funksjonen i skriptet sitt riktig etter å ha praktisert eksemplene på denne opplæringen.