202 lines
4.5 KiB
Markdown
202 lines
4.5 KiB
Markdown
|
# 搜索数组的 5 个技巧
|
|||
|
|
|
|||
|
|
> 原文：<https://www.askpython.com/python/search-numpy-array>
|
|||
|
|
|
|||
|
|
读者朋友们，你们好！在本文中，我们将详细讨论 5 种使用条件搜索 NumPy 数组的技术。
|
|||
|
|
|
|||
|
|
所以，让我们开始吧！🙂
|
|||
|
|
|
|||
|
|
一个 [NumPy 数组](https://www.askpython.com/python-modules/numpy/python-numpy-arrays)在一个连续的结构中存储相似类型的元素。我们经常遇到需要在动态运行时查看数组的最大和最小元素的情况。NumPy 为我们提供了一组函数，使我们能够搜索应用了特定条件的特定元素。
|
|||
|
|
|
|||
|
|
## 如何在 NumPy 数组中搜索特定的元素？
|
|||
|
|
|
|||
|
|
让我们详细看看用于搜索 NumPy 数组的 5 个函数:
|
|||
|
|
|
|||
|
|
1. **arg max()函数**
|
|||
|
|
2. **nanargmax()函数**
|
|||
|
|
3. **arg min()函数**
|
|||
|
|
4. **nargmin()函数**
|
|||
|
|
5. **使用 where()函数搜索**
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 1。NumPy argmax()函数
|
|||
|
|
|
|||
|
|
使用 NumPy **argmax()函数**，我们可以轻松地获取并显示数组结构中最大元素的索引。
|
|||
|
|
|
|||
|
|
这样，最大元素的索引就是 argmax()函数的结果值。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
numpy.argmax() function
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**举例:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import numpy as np
|
|||
|
|
data = np.array([[66, 99, 22,11,-1,0,10],[1,2,3,4,5,0,-1]])
|
|||
|
|
res = np.argmax(data)
|
|||
|
|
print(data)
|
|||
|
|
print("Max element's index:", res)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
在上面的例子中，我们创建了两个相同数据类型的数组。此外，应用 argmax()函数从所有元素中获取 max 元素的索引。因为 99 是最大的元素，所以结果索引值显示为 1。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[[66 99 22 11 -1 0 10]
|
|||
|
|
[ 1 2 3 4 5 0 -1]]
|
|||
|
|
Max element's index: 1
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 2。NumPy nanargmax()函数
|
|||
|
|
|
|||
|
|
使用 **nanargmax()函数**，我们可以轻松处理数组中出现的 NAN 或 NULL 值。也就是说，它不会被区别对待。NAN 值对搜索值的功能没有影响。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
numpy.nanargmax()
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**举例:**
|
|||
|
|
|
|||
|
|
在下面的示例中，数组元素包含使用 numpy.nan 函数传递的空值。此外，我们现在使用 nanargmax()函数来搜索 NumPy 数组，并从数组元素中找到最大值，而不让 NAN 元素影响搜索。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import numpy as np
|
|||
|
|
data = np.array([[66, 99, 22,np.nan,-1,0,10],[1,2,3,4,np.nan,0,-1]])
|
|||
|
|
res = np.nanargmax(data)
|
|||
|
|
print(data)
|
|||
|
|
print("Max element's index:", res)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[[66\. 99\. 22\. nan -1\. 0\. 10.]
|
|||
|
|
[ 1\. 2\. 3\. 4\. nan 0\. -1.]]
|
|||
|
|
Max element's index: 1
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 3。NumPy argmin()函数
|
|||
|
|
|
|||
|
|
使用 **argmin()函数**，我们可以搜索 NumPy 数组，并在更大范围内获取数组中最小元素的索引。它搜索数组结构中的最小值，并返回该值的索引。因此，通过索引，我们可以很容易地获得数组中的最小元素。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
numpy.argmin() function
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**举例:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import numpy as np
|
|||
|
|
data = np.array([[66, 99, 22,11,-1,0,10],[1,2,3,4,5,0,-1]])
|
|||
|
|
res = np.argmin(data)
|
|||
|
|
print(data)
|
|||
|
|
print("Min element's index:", res)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
如下所示，有两个索引占据了最低的元素，即[-1]。但是，argmin()函数返回数组值中最小元素的第一个匹配项的索引。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[[66 99 22 11 -1 0 10]
|
|||
|
|
[ 1 2 3 4 5 0 -1]]
|
|||
|
|
Min element's index: 4
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 4。NumPy where()函数
|
|||
|
|
|
|||
|
|
使用 **where()函数**，我们可以轻松地在 NumPy 数组中搜索任何元素的索引值，这些元素匹配作为参数传递给函数的条件。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
numpy.where(condition)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**举例:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import numpy as np
|
|||
|
|
data = np.array([[66, 99, 22,11,-1,0,10],[1,2,3,4,5,0,-1]])
|
|||
|
|
res = np.where(data == 2)
|
|||
|
|
print(data)
|
|||
|
|
print("Searched element's index:", res)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
在这个例子中，我们从数组中搜索了一个值等于 2 的元素。此外，where()函数返回数组索引及其数据类型。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[[66 99 22 11 -1 0 10]
|
|||
|
|
[ 1 2 3 4 5 0 -1]]
|
|||
|
|
Searched element's index: (array([1], dtype=int64))
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 5。NumPy nanargmin()函数
|
|||
|
|
|
|||
|
|
使用 **nanargmin()函数**，我们可以轻松地搜索 NumPy 数组，找到数组元素中最小值的索引，而不必担心数组元素中的 NAN 值。空值对元素的搜索没有影响。
|
|||
|
|
|
|||
|
|
**语法:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
numpy.nanargmin()
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**举例:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import numpy as np
|
|||
|
|
data = np.array([[66, 99, np.nan,11,-1,0,10],[1,2,3,4,5,0,-1]])
|
|||
|
|
res = np.nanargmin(data)
|
|||
|
|
print(data)
|
|||
|
|
print("Searched element's index:", res)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[[66\. 99\. nan 11\. -1\. 0\. 10.]
|
|||
|
|
[ 1\. 2\. 3\. 4\. 5\. 0\. -1.]]
|
|||
|
|
Searched element's index: 4
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 结论
|
|||
|
|
|
|||
|
|
如果你遇到任何问题，请随时在下面评论。更多与 Python 编程相关的帖子，请继续关注我们。
|
|||
|
|
|
|||
|
|
在那之前，学习愉快！！🙂
|