Numpy filter

Hente for elementer eller få elementer fra noen data er kjent som filtrering. Numpy er pakken som lar oss lage matriser og lagre alle typer data i form av en matrise. Når det gjelder filtrering i matriser mens du jobber med Numpy-pakker levert av Python, lar det oss filtrere eller få data fra matriser ved hjelp av innebygde funksjoner levert av Numpy. En boolsk indeksliste, en liste over booleanere som tilsvarer matriseposisjoner, kan brukes til å filtrere matriser. Hvis elementet i indeksen til matrisen er sant, vil det bli lagret i matrisen med mindre elementet er ekskludert fra matrisen.

La oss anta at vi har dataene fra studenter lagret i form av matriser, og vi ønsker å filtrere ut de mislykkede studentene. Vi vil ganske enkelt filtrere matrisen og ekskludere de mislykkede studentene, og en ny rekke den passerte studenten vil bli oppnådd.

Trinn for å filtrere en numpy matrise

Trinn 1: Importerer Numpy -modulen.

Steg 2: Opprette en matrise.

Trinn 3: Legg til filtreringstilstand.

Trinn 4: Lag en ny filtrert matrise.

Syntaks:

Det er flere måter å filtrere matriser. Det avhenger av filterets tilstand, som om vi bare har en tilstand eller vi har mer enn en tilstand.

Metode 1: For en tilstand vil vi følge følgende syntaks

Array [Array < condition]

I syntaks nevnt ovenfor er "Array" navnet på matrisen vi skal filtrere elementene. Og tilstanden vil være staten som elementene blir filtrert på og operatøren “<” is the mathematical sign that represents less than. It is efficient to use it when we only have one condition or statement.

Metode 2: Bruke “eller” -operatøren

Array [(matrise < condition1) | (array > tilstand2)]

I denne metoden er "matrise" navnet på matrisen vi vil filtrere verdier fra, og tilstanden blir gitt til den. Operatør “|” brukes til å representere “eller” -funksjonen som betyr fra begge forhold man skal være sann. Det er nyttig når det er to forhold.

Metode 3: Bruke “og” -operatøren.

Array [(matrise < condition1) & (array > tilstand2)]

I følgende syntaks er "Array" navnet på matrisen som skal filtreres. Mens tilstanden vil være staten som diskutert i syntaks ovenfor mens operatøren brukte “&” er den og operatøren, noe som betyr at begge tilstanden må være sann.

Metode 4: Filtrering etter listede verdier

Array [NP.IN1D (Array, [liste over verdier])]

I denne metoden passerte vi vår definerte matrise “NP.in1d ”som brukes til å sammenligne to matriser om elementet i matrisen som skal filtreres er til stede i en annen matrise eller ikke. Og matrisen sendes til NP.IN1D -funksjon som skal filtreres fra den gitte matrisen.

Eksempel # 01:

La oss nå implementere den ovennevnte metoden i et eksempel. For det første vil vi inkludere våre numpy biblioteker levert av Python. Deretter vil vi opprette en matrise som heter “My_Array” som vil holde verdiene “2”, “3”, “1”, “9”, “3”, “5”, “6” og “1”. Deretter vil vi passere filterkoden vår som er “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.

Til slutt opprettet vi et annet utvalg som vi kalte “ARR”. Det holder verdiene “6”, “7”, ”10”, “12” og “14”. Nå for denne matrisen vil vi skrive ut verdien som ikke eksisterer i matrisen for å se hva som vil skje hvis tilstanden ikke stemmer. For å gjøre det, passerte vi tilstanden som vil filtrere verdien som er lik verdien “5”.

Importer numpy som NP
my_array = np.Array ([2, 3, 1, 9, 3, 5, 2, 6, 1])
trykk ("Verdier mindre enn 5", my_array [(my_array < 5)])
Array = NP.Array ([1, 2, 6, 3, 8, 1, 0])
Print ("Verdier større enn 5", Array [(Array> 5)])
arr = np.Array ([6, 7, 10, 12, 14])
print ("Verdier like 5", arr [(arr == 5)])

Etter å ha utført koden, har vi følgende utgang som et resultat, hvor vi har vist de 3 utgangene den første er for elementene mindre enn “5” i den andre utførelsen vi trykket verdiene større enn “5”. På slutten trykket vi verdien som ikke eksisterer, da vi kan se at den ikke viser noen feil, men viste den tomme matrisen, noe som betyr at den ønskede verdien ikke eksisterer i den gitte matrisen.

Eksempel # 02:

I dette tilfellet vil vi bruke noen av metodene vi kan bruke mer enn en tilstand for å filtrere matriser. For å utføre det, vil vi ganske enkelt importere Numpy-biblioteket og deretter lage en endimensjonal rekke størrelse “9” med verdier “24”, “3”, “12”, “9”, “3”, “5”, “2”, “6” og “7”. I neste linje brukte vi en utskriftserklæring som vi har bestått en rekke som vi har initialisert med navnet “My_Array” med tilstanden som et argument. I dette har vi passert eller tilstanden som betyr fra dem begge, en tilstand må være sann. Hvis begge er sanne, vil den vise dataene for begge forholdene. I denne tilstanden ønsker vi å skrive ut verdiene som er mindre enn "5" og større enn "9". I neste linje brukte vi og operatøren for å sjekke hva som vil skje hvis vi bruker en tilstand for å filtrere matrisen. I denne tilstanden viste vi verdier som er større enn “5” og mindre enn “9”.

Importer numpy som NP
my_array = np.Array ([24, 3, 12, 9, 3, 5, 2, 6, 7])
Skriv ut (“Verdier mindre enn 5 eller større enn 9”, My_Array [(My_Array < 5) | (my_array > 9)])
Skriv ut (“Verdier større enn 5 og mindre enn 9”, My_Array [(My_Array> 5) & (My_Array < 9)])

Som vist i utdraget nedenfor, vises resultatet for koden over der vi filtrerte matrisen og fikk følgende resultat. Som vi kan se verdiene større enn 9 og mindre enn 5 vises i den første utgangen, og verdiene mellom 5 og 9 blir forsømt. Mens vi i neste linje har skrevet ut verdiene mellom “5” og “9” som er “6” og “7”. De andre verdiene på matriser vises ikke.

Konklusjon

I denne guiden har vi kort diskutert bruken av filtermetoder som er levert av Numpy -pakken. Vi har implementert flere eksempler for å utdype deg om den beste måten å implementere filtermetodologiene levert av Numpy.