最近的項目中大量涉及數據的預處理工作，對于ndarray的使用非常頻繁。其中ndarray如何進行數值篩選，總結了幾種方法。

1.按某些固定值篩選

如下面這段代碼從，ndarray中可以篩選出數值等于3的子數組和其在原數組中的索引位置。

import numpy as np

arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2])
print(np.where(arr==3))
print(arr[np.where(arr == 3)])

輸出：

Output:

(array([ 5, 9, 14], dtype=int32),)
[3 3 3]

2.按多個固定值篩選

按上述方法篩選多個固定值也是可行的，將不同條件用括號括起來，之間打 | 即可。

import numpy as np

arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2])
print(np.where((arr == 3) | (arr == 1)))
print(arr[np.where((arr == 3) | (arr == 1))])

輸出：

Output:

(array([ 0, 1, 2, 5, 9, 14, 16], dtype=int32),)
[1 1 1 3 3 3 1]

3.按范圍篩選

• 除了按固定值，我們還可以按一定的范圍進行篩選

import numpy as np

arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2])
print(np.where(arr > 3))
print(arr[np.where(arr > 3)])

Output:

(array([ 3, 4, 6, 7, 8, 10, 11, 12, 13, 15], dtype=int32),)
[ 134  45  46  45  65 23424  234  12  12  546]

• 如果不需要index，還可以有更快的方法

import numpy as np

arr = np.array([1, 1, 1, 134, 45, 3, 46, 45, 65, 3, 23424, 234, 12, 12, 3, 546, 1, 2])
print(arr[arr > 3])

輸出：

Output:

[ 134  45  46  45  65 23424  234  12  12  546]

• 那為什么還需要用np.where呢？因為索引可以滿足不同數組間的篩選，比如有a, b 兩個數組我們需要篩選出所有a == 0的b時即可使用np.where函數。

import numpy as np

a = np.array([0, 0, 1, 1, 0, 1, 1, 0, 1])
b = np.arange(len(a))
print(a)
print(b)
print(b[np.where(a == 0)])

輸出：

Output:

[0 0 1 1 0 1 1 0 1]
[0 1 2 3 4 5 6 7 8]
[0 1 4 7]