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。

用索引 0 和 2、4 上的元素创建一个数组:

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

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 TrueFalse 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。

创建一个仅返回大于 62 的值的过滤器数组:

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

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. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  3. # 创建一个空列表
  4. filter_arr = []
  5. # 检查 arr 中的每个元素
  6. for element in arr:
  7. # 如果元素完全可被 2 整除,则将该值设置为 True,否则设置为 False
  8. if element % 2 == 0:
  9. filter_arr.append(True)
  10. else:
  11. filter_arr.append(False)
  12. newarr = arr[filter_arr]
  13. print(filter_arr)
  14. 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。

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。

创建一个仅返回大于 62 的值的过滤器数组:

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

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. arr = np.array([1, 2, 3, 4, 5, 6, 7])
  3. filter_arr = arr % 2 == 0
  4. newarr = arr[filter_arr]
  5. print(filter_arr)
  6. print(newarr)