Python numpy.where函数完全指南：语法、参数与实战案例解析

掌握Python编程技能，能够显著压缩处理日常重复性任务的时间，将原本耗时的工作缩短至几分钟甚至更短。这不仅意味着工作时间的释放，更让你有精力探索更高效的工作模式，从而全面提升职业表现与产出质量。这并非夸大其词，而是经过实践验证的技术红利。

本文将系统梳理Python中常用且高效的函数集合，旨在帮助读者在最短时间内理解其底层逻辑与运行机制。利用碎片化时间巩固这些核心函数的知识点，有助于你在实际工作场景中实现更精准、高效的数据处理与业务逻辑执行。

一、where函数的定义

where函数隶属于numpy库，使用前需确保已导入该库。其基本调用方式主要包含两种语法结构，第一种形式如下：

import numpy as np
np.where(arry)

在此种调用方式下，np.where函数会返回数组arry中所有“真值”（即非零元素）的坐标索引。换言之，该函数用于从数组中提取满足特定条件的元素，并返回这些元素在原数组中的位置索引。

另一种调用形式为：

import numpy as np
np.where(cond, x, y)

这种三参数用法中，np.where函数会根据条件cond的真假分别返回x或y的值：若条件成立则输出x，否则输出y。为帮助读者更直观地理解其定义与用法，下文将通过具体代码实例进行详细拆解。

二、where函数实例

场景一：查找数列中大于特定数值的元素索引

y = np.array([1, 5, 6, 8, 1, 7, 3, 6, 9])
print(np.where(y>5))

运行上述代码后，控制台输出结果如下：

(array([2, 3, 5, 7, 8], dtype=int64),)

上述结果表明，np.where函数成功返回了数组中数值大于5的所有元素的索引位置。

场景二：数列中大于5标记为’m_5’，否则标记为’lq_5’

y = np.array(range(1, 10))
print(y)
print(np.where(y>5, 'm_5', 'lq_5'))

执行代码后的输出结果如下：

[1 2 3 4 5 6 7 8 9] ['lq_5' 'lq_5' 'lq_5' 'lq_5' 'lq_5' 'm_5' 'm_5' 'm_5' 'm_5']

此处y是一个起始值为1、终止值为9、步长为1的等差数列。np.where函数判断y中每个元素是否大于5：若大于5则输出字符串’m_5’，否则输出’lq_5’。

场景三：数列中小于5取一个值，否则取另一个值

print(np.arange(10))
print(np.where(np.arange(10)<5, '吃苹果', '吃榴莲'))

代码执行后的部分输出结果如下：

[0 1 2 3 4 5 6 7 8 9]

[‘吃苹果’ ‘吃苹果’ ‘吃苹果’ ‘吃苹果’ ‘吃苹果’ ‘吃榴莲’ ‘吃榴莲’ ‘吃榴莲’ ‘吃榴莲’ ‘吃榴莲’]

在此例中，np.where函数针对np.arange(10)生成的数组进行判断：若元素值小于5，则输出’吃苹果’；若不满足该条件（即大于等于5），则输出’吃榴莲’。

场景四：数列中是2的倍数取一个值，否则取另一个值

y = np.array(range(1, 10))
print(y)
print(np.where(np.mod(y, 2)==0, '2b', 'n_2b'))

代码运行后的输出结果如下：

[1 2 3 4 5 6 7 8 9] ['n_2b' '2b' 'n_2b' '2b' 'n_2b' '2b' 'n_2b' '2b' 'n_2b']

此时，np.where函数对y中的数值进行模2运算：若余数为0（即为2的倍数），则输出’2b’；否则输出’n_2b’。

场景五：找出数据框中非0数据

x = np.array([[0, 1, 2], [3, 0, 0], [6, 0, 8]])
print(x[np.where(x)])

执行该段代码后，得到的结果如下：

[1 2 3 6 8]

在此场景下，np.where函数作用于数组x，筛选出所有非零元素，并生成一个新的数列结果。

至此，关于Python where函数的详细教程已介绍完毕。如需了解更多相关Python where函数的应用技巧，欢迎查阅本站往期文章或继续浏览后续内容，感谢大家的支持与关注！