【发布时间】：2016-04-12 13:25:46
【问题描述】：
【问题讨论】：
【发布时间】：2016-04-12 13:25:46
【问题描述】：
折腾了一段时间后，我想通了，并在这里发布它们，希望对其他人有所帮助。
直观地说，np.where 就像在问“告诉我在这个数组的哪个位置，条目满足给定条件”。
>>> a = np.arange(5,10)
>>> np.where(a < 8) # tell me where in a, entries are < 8
(array([0, 1, 2]),) # answer: entries indexed by 0, 1, 2
也可以用来获取数组中满足条件的条目：
>>> a[np.where(a < 8)]
array([5, 6, 7]) # selects from a entries 0, 1, 2
当a 是一个二维数组时，np.where() 返回一个由row idx 组成的数组，以及一个由col idx 组成的数组：
>>> a = np.arange(4,10).reshape(2,3)
array([[4, 5, 6],
[7, 8, 9]])
>>> np.where(a > 8)
(array(1), array(2))
与一维情况一样，我们可以使用np.where() 来获取二维数组中满足条件的条目：
>>> a[np.where(a > 8)] # selects from a entries 0, 1, 2
数组（[9]）
注意，a 为 1d 时，np.where() 仍然返回 row idx 的数组和 col idx 的数组，但列的长度为 1，因此后者是空数组。
【讨论】：
-
在 2d 上使用时，我一直在努力理解 np.where，直到我找到你的答案“当 a 是 2d 数组时，np.where() 返回一个行 idx 数组和一个 col 数组idx 的："。谢谢你。
-
我在阅读文档三遍后仍然无法解决难题
np.where(2d_array)，感到非常愚蠢，感谢您解决这个问题！你应该接受你自己的答案。 e: 哦，关门了。好吧，它不应该是 -
很遗憾它被关闭了。但是，我想在这个完整的答案中添加
np.where的另一个功能。该函数还可以根据条件从 x 和 y 数组中选择元素。此评论中的空间有限，但请参阅：np.where(np.array([[False,False,True], [True,False,False]]), np.array([[8,2,6], [9,5,0]]), np.array([[4,8,7], [3,2,1]]))将返回array([[4, 8, 6], [9, 2, 1]])。注意根据真/假选择 x 和 y 的哪些元素 -
这个答案给出的解释只是np.where的一个特例。根据文档，当仅提供
condition时，此函数是np.asarray(condition).nonzero()的简写。
这里更有趣一点。我发现 NumPy 经常做的正是我希望它做的事情——有时对我来说只是尝试比阅读文档更快。实际上两者混合是最好的。
我认为您的回答很好（如果您愿意，可以接受）。这只是“额外的”。
import numpy as np
a = np.arange(4,10).reshape(2,3)
wh = np.where(a>7)
gt = a>7
x = np.where(gt)
print "wh: ", wh
print "gt: ", gt
print "x: ", x
给予：
wh: (array([1, 1]), array([1, 2]))
gt: [[False False False]
[False True True]]
x: (array([1, 1]), array([1, 2]))
...但是：
print "a[wh]: ", a[wh]
print "a[gt] ", a[gt]
print "a[x]: ", a[x]
给予：
a[wh]: [8 9]
a[gt] [8 9]
a[x]: [8 9]