例如问题：从 arr 数组中提取所有奇数元素。
input：arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) output: #> array([1, 3, 5, 7, 9]) Solution: #Input >>> arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) #Solution arr = arr[arr % 2 == 1] >>> array([1, 3, 5, 7, 9])
这是对奇数元素的提取，其他条件同理，在这个问题上我们深入再学习一下，首先 numpy 中的 array 数组是可以直接对数组中的每个元素进行处理的。例如我们想对每个元素减一：
#input >>> arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) #Solution >>> arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> arr - 1 array([-1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
从上面的例子我们可以看出来，对 arr 直接进行减一操作，结果是对每一个元素都进行了减一的操作，数组的维度不变，为了满足取出特定条件的元素这个操作，我们可以进行条件判断，例如判断每个元素是否为奇数：
#input >>> arr = np.arange(10) >>> arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) #solution >>> arr % 2 == 1 array([False, True, False, True, False, True, False, True, False, True])
由此可见，条件判断后输出为和 arr 相同维度的数组，但是其中每个元素为布尔类型的值，取值为数组 arr 对每个元素分别进行条件判断的结果。
下面我们分析对 arr 数组进行特定取值，给其一个布尔类型的 arr 数组，并且维度与 arr 相同，以此得到取值的目的：
#input >>> arr_bool = np.array([1, 1, 0, 0, 1, 1, 0, 0, 1, 1], dtype=bool) >>> arr_bool array([ True, True, False, False, True, True, False, False, True, True]) #solution >>> arr[arr_bool] array([0, 1, 4, 5, 8, 9])
从上述例子，我们构建了一个布尔类型的数组为 arr_bool ，并且维度与 arr 相同，进行直接嵌入实现了取值，以此完成了我们最终的目的，可以对任意满足条件的元素进行提取。并且理解了其中的原理。
PS：番外篇，如果维度不同可以吗？
#input >>> arr_bool = np.ones(11, dtype=bool) >>> arr_bool array([ True, True, True, True, True, True, True, True, True, True, True]) #注意！！这里有11个 True 哦。 #solution >>> arr[arr_bool] Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: boolean index did not match indexed array along dimension 0; dimension is 10 but corresponding boolean dimension is 11
由上可见，维度必须保持一致，从 arr 数组里才可以按照 bool 类型取出对应位置为 True 的元素。这个性质帮助我们可以更灵活的处理 numpy 数组。
PS2: 如何替换满足条件的元素为其它值呢？
>>> arr = np.arange(10) >>> arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> arr[arr%2 == 1] = -1 >>> arr array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
以上这篇从numpy数组中取出满足条件的元素示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
