np.where() 解决方案说明 [关闭]

Question

我正在这里练习：https://www.machinelearningplus.com/python/101-pandas-exercises-python/

问题 #16 有一个使用 np.where() 的解决方案 (#1)，但我无法理解。

import pandas as pd
import numpy as np


print('pandas: {}'.format(pd.__version__))
print('NumPy: {}'.format(np.__version__))
print('-----')

ser1 = pd.Series([10, 9, 6, 5, 3, 1, 12, 8, 13])
ser2 = pd.Series([1, 3, 10, 13])

# Get the positions of items of 'ser2' in 'ser1' as a list.

# Solution 1
list1 = [np.where(i == ser1)[0].tolist()[0] for i in ser2]
print(list1)
print()

# Solution 2
list2 = [pd.Index(ser1).get_loc(i) for i in ser2]
print(list2)

我在这里查找了 np.where()：

# https://stackoverflow.com/questions/34667282/numpy-where-detailed-step-by-step-explanation-examples
# https://thispointer.com/numpy-where-tutorial-examples-python/
# https://www.geeksforgeeks.org/numpy-where-in-python/

确切地说，我不了解两者的功能和位置 括号内的零 ( [0] )。

Answer 1

np.where 输出一个元组 (output of numpy.where(condition) is not an array, but a tuple of arrays: why?)，因此您必须对其进行索引（因此是第一个 [0]），然后，输出是一个 numpy 元素数组。在这种情况下只有一个，所以第二个 [0] 有效。虽然 tolist() 是完全多余的

最好用找到的索引来扩展 list1，因为当一个元素多次出现时，这段代码会失败：

list1 = []
[list1.extend(np.where(i == ser1)[0]) for i in ser2]
print(list1)
print()

不是最好的代码 imo。

tip，你自己检查一下东西的输出，你就知道了。只需运行np.where(i==ser1)，您就会看到它返回一个元组，您需要对其进行索引。等等