NumPy np.select() 多条件选择元素

np.select 是 NumPy 库中的一个函数，用于根据多个条件从一组数组中选择元素。它的功能类似于 Python 中的 if-elif-else 条件语句，但可以在整个数组上进行操作，而不是单个元素。

语法

np.select 的一般语法如下：

numpy.select(condlist, choicelist, default=0)

根据条件返回从choicelist中的元素绘制的数组。

• condlist：list of bool ndarrays。条件列表，用于确定从choicelist中的哪个数组中获取输出元素。当满足多个条件时，将使用condlist中遇到的第一个条件。是包含多个条件的列表，这些条件应该是布尔数组或布尔表达式。它们用于选择元素。
• choicelist：list of ndarrays。从中获取输出元素的数组列表。它必须与condlist具有相同的长度。
• default：scalar, optional。当所有条件的计算结果为False时，在输出中插入的元素。是可选参数，用于指定在没有条件满足时所返回的默认值。如果没有提供默认值，则默认为0。

功能

numpy.select函数的工作原理如下：

• 它首先对 condlist 中的每个条件进行评估，生成一组布尔数组。
• 然后，根据条件的结果，从 choicelist 中选择相应的值。
• 如果没有条件满足，将返回默认值（如果提供了默认值）。

这个函数在处理需要根据不同条件选择不同值的数组操作中非常有用，例如数据清洗、条件筛选等任务。它可以有效地替代使用循环来逐个元素进行条件判断的操作，从而提高了性能和代码的简洁性。

例如：

import numpy as np

x = np.array([-2, 0, 4, -1, 0, 3])
# 条件列表
conditions = [x > 0, x < 0]
# 值列表，与条件列表中的条件一一对应
values = [1, -1]
# 使用 numpy.select 根据条件选择值
result = np.select(conditions, values, default=99)
result
# array([-1, 99,  1, -1, 99,  1])

我们实现了一个数组 x，根据以下条件对它进行操作：

• 如果元素大于0，则将其设置为1。
• 如果元素小于0，则将其设置为-1。
• 如果元素等于0，则将其设置为99。

案例

一些简单的示例：

x = np.arange(6)
condlist = [x<3, x>3]
choicelist = [x, x**2]

x
# array([0, 1, 2, 3, 4, 5])
condlist
'''
[array([ True,  True,  True, False, False, False]),
 array([False, False, False, False,  True,  True])]
'''
choicelist
# [array([0, 1, 2, 3, 4, 5]), array([ 0,  1,  4,  9, 16, 25])]

np.select(condlist, choicelist, 42)
# array([ 0,  1,  2, 42, 16, 25])

再如：

x = np.arange(6)
condlist = [x<=4, x>3]
choicelist = [x, x**2]

x
# array([0, 1, 2, 3, 4, 5])
condlist
'''
[array([ True,  True,  True,  True,  True, False]),
 array([False, False, False, False,  True,  True])]
'''
choicelist
# [array([0, 1, 2, 3, 4, 5]), array([ 0,  1,  4,  9, 16, 25])]
np.select(condlist, choicelist, 55)
# array([ 0,  1,  2,  3,  4, 25])

参考

• https://numpy.org/doc/stable/reference/generated/numpy.select.html

相关内容

• pandas 根据值在其他列中出现的次数指定列值 2023-08-29 09:25:22

更新时间：2023-08-28 20:52:30 标签：numpy 条件 查询