Python : Numpy: where()函数_np.where(x>5,1,0-优快云博客

本文详细解析了NumPy库中的where函数用法，包括条件判断输出不同数组、获取数组中满足条件元素的索引，以及多维数组的处理方式。通过实例展示了where函数在数组操作中的灵活性和强大功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Parameters:	condition : array_like, bool When True, yield x, otherwise yield y

Parameters:

condition : array_like, bool

When True, yield x, otherwise yield y

有条件参数时，条件为真输出X，为假输出Y

当只有条件参数时，输出条件参数中非零项，行矩阵和列矩阵

>>> np.where([[True, False], [True, True]],
...          [[1, 2], [3, 4]],
...          [[9, 8], [7, 6]])
array([[1, 8],
       [3, 4]])
>>> np.where([[0, 1], [1, 0]])
(array([0, 1]), array([1, 0]))

参考一下博客https://www.cnblogs.com/massquantity/p/8908859.html

>>> a = np.array([2,4,6,8,10])
>>> np.where(a > 5)             # 返回索引
(array([2, 3, 4]),)   
>>> a[np.where(a > 5)]              # 等价于 a[a>5]
array([ 6,  8, 10])

>>> np.where([[0, 1], [1, 0]])
(array([0, 1]), array([1, 0]))

需要补充的是，where函数只有condition的时候，输入的a是N维的时候，返回的元组就会有N个矩阵。

比如：

>>> import numpy as np
>>> a = np.array([[23,4,6,7],[4,5,7,34]])
>>> np.where(a>5)
(array([0, 0, 0, 1, 1]), array([0, 2, 3, 2, 3]))
>>>

返回的元组包含两个矩阵，一个是行索引，一个是列索引。

在where()中是两个矩阵的时候：

ious = np.array([[1,2,4,7,89,9],[7,5,3,71,6,1],[7,4,2,46,854,8]])
>>> argmax = ious.argmax(axis=0)
>>> argmax
array([1, 1, 0, 1, 2, 0])
>>> gt_max = ious[argmax, np.arange(ious.shape[1])]
>>> gt_max
array([  7,   5,   4,  71, 854,   9])
>>> np.where(ious == gt_max)
(array([0, 0, 1, 1, 1, 2, 2]), array([2, 5, 0, 1, 3, 0, 4]))

这里使用了==必须要ious和gt_max和同一个索引位置一样才会认为==成立。