如果使用 python 搜索一堆数据里面特别的数据，往往就需要使用循环的方式一层层查找，如果通过 Numpy，则可以使用现成的方法搜寻特别的元素，大幅提高程序的处理效率，下面将介绍 Numpy 里面搜索数组元素的方法
搜寻数组元素的方法
NumPy 有下列几种搜寻数组元素的方法：
| 方法 | 参数 | 说明 |
|---|---|---|
| numpy.where() | 条件,arr,val | 根据判断找出索引值，返回索引值的数组，如果设定 arr 和 val 会根据 arr 和 val 返回新的数组 |
| numpy.nonzero() | arr | 获取元素是非 0 的元素的索引值，并且将索引值返回为为新数组 |
| numpy.count_nonzero() | arr | 计算数组中非 0 的元素数量 |
| numpy.extract() | 条件 arr, 目标 arr | 根据条件获取数组中为 True 或 False 元素的索引值，取出目标 arr 对应的元素为新数组 |
numpy.where()
numpy.where() 根据判断找出索引值，返回索引值的数组，如果设定 arr 和 val 会根据 arr 和 val 返回新的数组
| 函数调用格式 | 返回结果类型 | 核心用途 |
|---|---|---|
np.where(condition) | 索引元组（如二维数组返回 (行索引数组，列索引数组)） | 查找满足条件的元素「位置」 |
np.where(condition, x, y) | 与 condition同形状的数组（元素来自 x或 y） | 按条件批量「替换 / 选择值」 |
下面的例子会找出 a 数组中元素为 b 的索引值
import numpy as np
a = np.array(['a','b','c','d','a','b','c'])
b = np.where(a=='b')
print(b) # (array([1, 5]),) b 位在 1 和 5 的位置
下方的例子，会找出二维数组 a 里，数值大于 3 的元素索引值
import numpy as np
a = np.array([[1,2,3,4],[5,6,7,8]])
b = np.where(a>3)
print(b)
# (array([0, 1, 1, 1, 1]), array([3, 0, 1, 2, 3]))
# 对应 (0,3) -> 4
# 对应 (1,0) -> 5
# 对应 (1,1) -> 6
# 对应 (1,2) -> 7
# 对应 (1,3) -> 8
下面的例子，会找出二维数组 a 中，数值大于 3 的元素索引值，并将其用于 b 数组，b 数字会保留对应索引值为 True 的元素，索引为 False 的元素则以 0 替换显示
import numpy as np
a = np.array([[1,2,3,4],[5,6,7,8]])
b = np.array([['a','a','a','a'],['b','b','b','b']])
c = np.where(a>3,b,'0')
print(c)
'''
[['0' '0' '0' 'a']
['b' 'b' 'b' 'b']]
'''
numpy.nonzero()
numpy.nonzero()会取出元素【非 0】的元素的索引值，并将索引值返回为新数组。下方的例子会找出一维数组中数值为 1 的索引值
import numpy as np
a = np.array([1,0,1,0,1,0,1,0])
b = np.nonzero(a)
print(b) # array([0, 2, 4, 6]),)
下面的例子会找出二维数组中数值为 1 的索引值
import numpy as np
a = np.array([[1,0,1,0],[1,0,1,0]])
b = np.nonzero(a)
print(b) # (array([0, 0, 1, 1]), array([0, 2, 0, 2]))
# 对应 (0, 0) (0, 2) (1, 0) (1, 2)
numpy.count_nonzero()
numpy.count_nonzero() 会计算数组中中「非 0」元素的数量。
import numpy as np
a = np.array([1,0,1,0,1,0,1,0])
b = np.count_nonzero(a)
print(b) # 4
numpy.extract()
numpy.extract()会根据条件数组中的 True 或 False 元素的索引值，取出目标数组对应元素的新数组
import numpy as np
a = np.array([1,0,1,0,1,0,1,0])
b = np.array(['a','b','c','d','e','f','g','h'])
c = np.extract(a,b) # 设置 1 为 True，0 为 False
print(c) # ['a' 'c' 'e' 'g']
d = np.extract(a==0,b) # 加入判断条件，0 变成 True
print(d)) # ['b' 'd' 'f' '
