📌  相关文章
📜  NumPy – 按多个条件过滤行

📅  最后修改于: 2022-05-13 01:54:46.189000             🧑  作者: Mango

NumPy – 按多个条件过滤行

在本文中，我们将讨论如何按多个条件过滤 NumPy 数组的行。在开始按多个条件过滤行之前，让我们先看看如何基于一个条件应用过滤器。基本上有两种方法可以做到这一点：

方法一：使用掩码数组

掩码函数从数组arr 中过滤出掩码数组中位于 false 索引处的数字。开发者可以根据自己的需要设置掩码数组——当很难形成过滤逻辑时，它会变得非常有用。

方法

  • 导入模块
  • 制作初始数组
  • 定义掩码
  • 根据掩码创建一个新数组
  • 打印新数组

程序：



Python3
# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 20)])
 
print("Original array")
print(arr)
 
# defining mask
mask = [True, False, True, False, True, True, False, False, False]
 
# making new array on conditions
new_arr = arr[mask]
 
print("New array")
print(new_arr)

Python3
# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 20)])
 
print("Original array")
print(arr)
 
# making a blank list
new_arr = []
 
for x in arr:
  # applying condition: appending even numbers
    if x % 2 == 0:
        new_arr.append(x)
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

Python3
# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# defining mask based on two conditions:
# array element must be greater than 15
# and must be a divisible by 2
mask = (arr > 15) & (arr % 2 == 0)
 
# making new array on conditions
new_arr = arr[mask]
print("New array")
print(new_arr)

Python3
# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# making a blank list
new_arr = []
 
for x in arr:
    # applying two conditions: number is divisible by 2 and is greater than 15
    if x % 2 == 0 and x > 15:
        new_arr.append(x)
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

Python3
# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# using lambda to apply condition
new_arr = list(filter(lambda x: x > 15 and x % 2 == 0 and x % 10 != 0, arr))
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

输出

方法二：使用迭代法

开发人员没有使用掩码，而是迭代数组arr并在每个数组元素上应用条件。



方法

  • 导入模块
  • 创建数组
  • 创建一个空数组
  • 遍历数组
  • 根据某些条件选择项目
  • 将所选项目添加到空数组
  • 显示阵列

程序：

蟒蛇3 

# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 20)])
 
print("Original array")
print(arr)
 
# making a blank list
new_arr = []
 
for x in arr:
  # applying condition: appending even numbers
    if x % 2 == 0:
        new_arr.append(x)
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

输出

现在让我们尝试在 NumPy 数组上应用多个条件

方法一：使用遮罩



方法

  • 导入模块
  • 创建初始数组
  • 根据多个条件定义掩码
  • 根据掩码向新数组添加值
  • 显示阵列

例子

蟒蛇3 

# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# defining mask based on two conditions:
# array element must be greater than 15
# and must be a divisible by 2
mask = (arr > 15) & (arr % 2 == 0)
 
# making new array on conditions
new_arr = arr[mask]
print("New array")
print(new_arr)

输出

方法二：迭代法



方法

  • 导入模块
  • 创建初始数组
  • 创建一个空数组
  • 遍历数组
  • 根据多个条件选择项目
  • 将所选项目添加到空列表
  • 显示阵列

例子

蟒蛇3 

# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# making a blank list
new_arr = []
 
for x in arr:
    # applying two conditions: number is divisible by 2 and is greater than 15
    if x % 2 == 0 and x > 15:
        new_arr.append(x)
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

输出

方法 3：使用 lambda



方法

  • 导入模块
  • 创建初始数组
  • 使用 lambda函数应用多个条件
  • 相应地选择项目
  • 将项目添加到新数组
  • 显示阵列

例子

蟒蛇3 

# importing numpy lib
import numpy as np
 
# making a numpy array
arr = np.array([x for x in range(11, 40)])
 
print("Original array")
print(arr)
 
# using lambda to apply condition
new_arr = list(filter(lambda x: x > 15 and x % 2 == 0 and x % 10 != 0, arr))
 
# Converting new list into numpy array
new_arr = np.array(new_arr)
print("New array")
print(new_arr)

输出