python中numpy.where的两种用法以及zip（）的用法

首先numpy.where(condition, x=None, y=None)可接收三个参数，condition表示待操作的numpy.array类型数组的逻辑判断， x和y是可选参数。

用法一：

当x,y为默认值时，对应用法一，此时where的作用为寻找在参数condition情况下数组内匹配的值，对于不同的输入，其返回python中numpy.where的两种用法以及zip（）的用法的值是不同的。

        当输入（参数）是一维数组时，返回值是一维的索引，只有一组索引数组。

>>> import numpy as np
>>> a = np.array([5, 6, 7, 1, 2, 8, 9, 3, 4])
>>> a
array([5, 6, 7, 1, 2, 8, 9, 3, 4])
>>> np.where(a < 5)
(array([3, 4, 7, 8], dtype=int64),)

说明原数组a中索引值为3，4,7,8的数组元素他们的值是小于5的。

        当输入是二维数组时，返回的是匹配值的位置索引，但是注意会有两组索引数组表示返回值的位置。

import numpy as np
a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
b = np.where(a < 5)
print(b)

该段代码返回的结果为：

(array([0, 0, 0, 1], dtype=int64), array([0, 1, 2, 0], dtype=int64))

这两个返回的数组索引，分别对应满足情况的值在行列（维度）上的索引。

所以对应位置[0, 0],[0, 1],[0, 2], [1, 0] 上的元素值小于5。

如果此时想将返回值按坐标点的形式显示，就要用到Python中自带的zip函数

# 函数zip（）用可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回这些元组组成的列表

import numpy as np
a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
b = np.where(a < 5)
for i in zip(*b):
    print(i)

输出：

(0, 0)
(0, 1)
(0, 2)
(1, 0)

用法二：

当x,y不为None时，对应用法二，此时函数类似二值化阈值处理

import numpy as np
a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
b = np.where(a < 5, 0, 10)  # 将符合condition的元素赋值为x 不符合赋值为y
print(b)

输出：

[[ 0  0  0]
 [ 0 10 10]
 [10 10 10]]