Sains Data

Cara menggunakan python NumPy di ​​mana () berfungsi dengan pelbagai keadaan

Cara menggunakan python NumPy di ​​mana () berfungsi dengan pelbagai keadaan
Perpustakaan NumPy mempunyai banyak fungsi untuk membuat susunan dalam python. di mana () fungsi adalah salah satunya untuk membuat array dari array NumPy lain berdasarkan satu atau lebih keadaan. Beberapa operasi dapat dilakukan pada saat penciptaan array berdasarkan keadaan dengan menggunakan fungsi ini. Ia juga boleh digunakan tanpa ekspresi bersyarat. Bagaimana fungsi ini dapat digunakan dengan pelbagai keadaan di python ditunjukkan dalam tutorial ini.

Sintaks:

kekenyangan.di mana (keadaan, [x, y])

di mana fungsi () boleh mengambil dua argumen. Argumen pertama adalah wajib, dan argumen kedua adalah pilihan. Sekiranya nilai hujah pertama (keadaan) adalah benar, maka output akan mengandungi elemen array dari array, x sebaliknya dari tatasusunan, y. Fungsi ini akan mengembalikan nilai indeks array input jika tidak ada argumen pilihan yang digunakan.

Penggunaan fungsi di mana ():

Pelbagai jenis operator Boolean boleh digunakan untuk menentukan keadaan fungsi ini. Kegunaan di mana fungsi () dengan pelbagai keadaan ditunjukkan di bahagian tutorial ini.

Contoh -1: Penggunaan pelbagai keadaan dengan OR logik

Contoh berikut menunjukkan penggunaan fungsi di mana () dengan dan tanpa argumen pilihan. Di sini, logik ATAU telah digunakan untuk menentukan keadaan. Fungsi pertama di mana () telah diterapkan dalam array satu dimensi yang akan mengembalikan susunan indeks array input di mana keadaan akan kembali Betul. Fungsi kedua di mana () telah diterapkan dalam dua tatasusunan satu dimensi akan mengambil nilai dari tatasusunan pertama apabila keadaan akan kembali Benar. Jika tidak, ia akan mendapatkan semula nilai dari tatasusunan kedua.

# Import perpustakaan NumPy
import numpy sebagai np
# Buat array menggunakan senarai
np_array1 = np.tatasusunan ([23, 11, 45, 43, 60, 18, 33, 71, 52, 38])
cetak ("Nilai array input: \ n", np_array1)
# Buat array lain berdasarkan pelbagai keadaan dan satu array
new_array1 = np.di mana ((np_array1 50))
# Cetak susunan baru
cetak ("Nilai array yang ditapis: \ n", new_array1)
# Buat array menggunakan nilai julat
np_array2 = np.arange (40, 50)
# Buat susunan lain berdasarkan pelbagai keadaan dan dua tatasusunan
new_array2 = np.di mana ((np_array1 60), np_array1, np_array2)
# Cetak susunan baru
cetak ("Nilai array yang ditapis: \ n", new_array2)

Pengeluaran:

Output berikut akan muncul setelah melaksanakan skrip di atas. Di sini, keadaan telah kembali Betul untuk nilai 23,11,18,33, dan 38 bagi array pertama. Keadaan telah kembali Salah untuk nilai 45, 43, 60, 71, dan 52. Jadi, 42, 43, 44, dan 48 telah ditambahkan dari larik kedua untuk nilai 45, 43, 60, dan 52. Di sini, 71 berada di luar jangkauan.

Contoh -2: Penggunaan pelbagai keadaan dengan AND yang logik

Contoh berikut menunjukkan bagaimana fungsi () dapat digunakan dengan pelbagai keadaan yang ditentukan oleh logik dan diterapkan dalam dua tatasusunan satu dimensi. Di sini, dua tatasusunan NumPy satu dimensi telah dibuat dengan menggunakan fungsi rand (). Susunan ini telah digunakan di mana () berfungsi dengan pelbagai syarat untuk membuat susunan baru berdasarkan syarat. Keadaan akan kembali Betul apabila nilai array pertama kurang dari 40 dan nilai array kedua lebih besar daripada 60. Susunan baru telah dicetak kemudian.

# Import perpustakaan NumPy
import numpy sebagai np
# Buat dua susunan nilai rawak
np_array1 = np.rawak.rand (10) * 100
np_array2 = np.rawak.rand (10) * 100
# Cetak nilai array
cetak ("\ nNilai-nilai array pertama: \ n", np_array1)
cetak ("\ n Nilai array kedua: \ n", np_array2)
# Buat susunan baru berdasarkan syarat
new_array = np.di mana ((np_array1 60), np_array1, np_array2)
# Cetak susunan baru
cetak ("\ nNilai-nilai yang ditapis bagi kedua-dua tatasusunan: \ n", barisan baru)

Pengeluaran:

Output berikut akan muncul setelah melaksanakan skrip di atas. Keadaan telah kembali Salah untuk semua elemen. Jadi, array yang dikembalikan mengandungi nilai dari array kedua sahaja.

Contoh-3: Penggunaan pelbagai keadaan dalam tatasusunan pelbagai dimensi

Contoh berikut menunjukkan bagaimana fungsi () dapat digunakan dengan pelbagai keadaan yang ditentukan oleh logik DAN yang akan digunakan dalam dua tatasusunan pelbagai dimensi. Di sini, dua tatasusunan pelbagai dimensi telah dibuat dengan menggunakan senarai. Selanjutnya, fungsi-fungsi ini telah diterapkan di mana () berfungsi untuk membuat array baru berdasarkan keadaan. Keadaan yang digunakan dalam fungsi akan kembali Betul di mana nilai array pertama genap dan nilai array kedua adalah ganjil; jika tidak, keadaan akan kembali Salah.

# Import perpustakaan NumPy
import numpy sebagai np
# Buat dua tatasusunan multidimensi nilai integer
np_array1 = np.tatasusunan ([[5, 12, 21, 6, 11], [6, 10, 15, 31, 8]])
np_array2 = np.tatasusunan ([[43, 19, 7, 34, 9], [99, 22, 41, 5, 12]])
# Cetak nilai array
cetak ("\ nNilai-nilai array pertama: \ n", np_array1)
cetak ("\ n Nilai array kedua: \ n", np_array2)
# Buat susunan baru dari dua tatasusunan berdasarkan syaratnya
new_array = np.di mana (((np_array1% 2 == 0) & (np_array2% 2 == 1)), np_array1, np_array2)
# Cetak susunan baru
cetak ("\ nNilai-nilai yang ditapis bagi kedua-dua tatasusunan: \ n", barisan baru)

Pengeluaran:

Output berikut akan muncul setelah melaksanakan skrip di atas. Dalam output, 43, 12, 7, 34, 9, 22, 41, 5, dan 12 telah ditambahkan dalam array baru dari array kedua kerana syaratnya adalah Salah untuk nilai-nilai ini. Nilai 12 pertama dalam array baru telah ditambah dari array pertama kerana keadaannya adalah Betul untuk nilai ini sahaja.

Kesimpulan:

di mana fungsi () perpustakaan NumPy berguna untuk menyaring nilai dari dua tatasusunan. Membuat susunan baru dengan menyaring data dari dua tatasusunan berdasarkan beberapa keadaan yang ditentukan oleh logik ATAU dan logik DAN telah dijelaskan dalam tutorial ini. Saya harap pembaca dapat menggunakan fungsi ini dalam skrip mereka dengan betul setelah mengamalkan contoh tutorial ini.

Kelas Python
Python adalah salah satu bahasa pengaturcaraan peringkat tinggi pelbagai guna. Ia adalah bahasa pengaturcaraan yang berorientasikan objek. Perbezaan u...
Kamus Python
Python adalah bahasa pengaturcaraan yang cekap dan serba boleh. Ini adalah salah satu bahasa pengaturcaraan tahap tinggi yang paling sering digunakan ...
Senarai Python
Senarai ini adalah salah satu struktur data serba boleh di Python yang menyusun elemen dalam urutan. Senarai tersebut mungkin merangkumi pelbagai jeni...