¿Cómo uso numpy.where()? ¿Qué debo pasar y qué significa el resultado? [closed]

Traté de leer el documentación para numpy.where()pero todavía estoy confundido.

¿Qué debo pasar por el condition, x y y ¿valores? Cuando paso solo condition, ¿qué significa el resultado y cómo puedo usarlo? ¿Qué pasa cuando paso los tres?

Encontré ¿Cómo funciona python numpy.where()? pero no respondió a mi pregunta porque parece tratarse de la implementación y no de cómo usarlo. Numpy where() en una matriz 2D tampoco me explicó las cosas; Estoy buscando una explicación paso a paso, en lugar de una guía práctica para un caso específico.

Incluya ejemplos con datos de origen 1D y 2D.

Después de jugar un rato, descubrí las cosas y las estoy publicando aquí con la esperanza de que ayuden a otros.

Intuitivamente, np.where es como preguntar”dime dónde en esta matriz, las entradas satisfacen una condición dada“.

>>> a = np.arange(5,10)
>>> np.where(a < 8)       # tell me where in a, entries are < 8
(array([0, 1, 2]),)       # answer: entries indexed by 0, 1, 2

También se puede usar para obtener entradas en una matriz que satisfagan la condición:

>>> a[np.where(a < 8)] 
array([5, 6, 7])          # selects from a entries 0, 1, 2

Cuando a es una matriz 2d, np.where() devuelve una matriz de idx de fila y una matriz de idx de columna:

>>> a = np.arange(4,10).reshape(2,3)
array([[4, 5, 6],
       [7, 8, 9]])
>>> np.where(a > 8)
(array(1), array(2))

Como en el caso 1d, podemos usar np.where() para obtener entradas en la matriz 2d que satisfagan la condición:

>>> a[np.where(a > 8)] # selects from a entries 0, 1, 2

formación([9])

Tenga en cuenta, cuando a es 1d, np.where() todavía devuelve una matriz de idx de fila y una matriz de idx de columna, pero las columnas tienen una longitud de 1, por lo que la última es una matriz vacía.

Aquí hay un poco más de diversión. Descubrí que, muy a menudo, NumPy hace exactamente lo que desearía que hiciera; a veces, es más rápido para mí probar cosas que leer los documentos. En realidad, una mezcla de ambos es lo mejor.

Creo que su respuesta está bien (y está bien aceptarla si lo desea). Esto es simplemente “extra”.

import numpy as np

a = np.arange(4,10).reshape(2,3)

wh = np.where(a>7)
gt = a>7
x  = np.where(gt)

print "wh: ", wh
print "gt: ", gt
print "x:  ", x

da:

wh:  (array([1, 1]), array([1, 2]))
gt:  [[False False False]
      [False  True  True]]
x:   (array([1, 1]), array([1, 2]))

… pero:

print "a[wh]: ", a[wh]
print "a[gt]  ", a[gt]
print "a[x]:  ", a[x]

da:

a[wh]:  [8 9]
a[gt]   [8 9]
a[x]:   [8 9]