NumPy 数组过滤

数组过滤

从现有数组中取出一些元素并从中创建新数组称为过滤（filtering）。

在 NumPy 中，我们使用布尔索引列表来过滤数组。

布尔索引列表是与数组中的索引相对应的布尔值列表。

如果索引处的值为 True，则该元素包含在过滤后的数组中；如果索引处的值为 False，则该元素将从过滤后的数组中排除。

实例

用索引 0 和 2、4 上的元素创建一个数组：

  1. import numpy as np
  2.  
  3. arr = np.array([61, 62, 63, 64, 65])
  4.  
  5. x = [True, False, True, False, True]
  6.  
  7. newarr = arr[x]
  8.  
  9. print(newarr)

上例将返回 [61, 63, 65]，为什么？

因为新过滤器仅包含过滤器数组有值 True 的值，所以在这种情况下，索引为 0 和 2、4。

创建过滤器数组

在上例中，我们对 True 和 False 值进行了硬编码，但通常的用途是根据条件创建过滤器数组。

实例

创建一个仅返回大于 62 的值的过滤器数组：

  1. import numpy as np
  2.  
  3. arr = np.array([61, 62, 63, 64, 65])
  4.  
  5. # 创建一个空列表
  6. filter_arr = []
  7.  
  8. # 遍历 arr 中的每个元素
  9. for element in arr:
  10.   # 如果元素大于 62，则将值设置为 True，否则为 False：
  11.   if element > 62:
  12.     filter_arr.append(True)
  13.   else:
  14.     filter_arr.append(False)
  15.  
  16. newarr = arr[filter_arr]
  17.  
  18. print(filter_arr)
  19. print(newarr)

实例

创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：

  1. import numpy as np
  2.  
  3. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  4.  
  5. # 创建一个空列表
  6. filter_arr = []
  7.  
  8. # 遍历 arr 中的每个元素
  9. for element in arr:
  10.   # 如果元素可以被 2 整除，则将值设置为 True，否则设置为 False
  11.   if element % 2 == 0:
  12.     filter_arr.append(True)
  13.   else:
  14.     filter_arr.append(False)
  15.  
  16. newarr = arr[filter_arr]
  17.  
  18. print(filter_arr)
  19. print(newarr)

直接从数组创建过滤器

上例是 NumPy 中非常常见的任务，NumPy 提供了解决该问题的好方法。

我们可以在条件中直接替换数组而不是 iterable 变量，它会如我们期望地那样工作。

实例

创建一个仅返回大于 62 的值的过滤器数组：

  1. import numpy as np
  2.  
  3. arr = np.array([61, 62, 63, 64, 65])
  4.  
  5. filter_arr = arr > 62
  6.  
  7. newarr = arr[filter_arr]
  8.  
  9. print(filter_arr)
  10. print(newarr)

实例

创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：

  1. import numpy as np
  2.  
  3. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  4.  
  5. filter_arr = arr % 2 == 0
  6.  
  7. newarr = arr[filter_arr]
  8.  
  9. print(filter_arr)
  10. print(newarr)