Предположим, у нас есть данные студентов, хранящихся в виде массивов, и мы хотим отфильтровать неуспешных студентов. Мы просто отфильтруем массив и исключим неуспешных студентов, и будет получен новый массив сдавших экзамен студентов.
Действия по фильтрации массива NumPy
Шаг 1: Импорт модуля NumPy.
Шаг 2: Создание массива.
Шаг 3: Добавьте условие фильтрации.
Шаг 4: Создайте новый отфильтрованный массив.
Синтаксис:
Существует несколько способов фильтрации массивов. Это зависит от состояния фильтра, например, есть ли у нас только одно условие или у нас есть более одного условия.
Метод 1: для одного условия мы будем следовать следующему синтаксису
множество [ множество < условие ]В упомянутом выше синтаксисе «массив» — это имя массива, из которого мы будем фильтровать элементы. А условием будет состояние, по которому фильтруются элементы, а оператор «<» — математический знак, обозначающий меньше. Эффективно использовать его, когда у нас есть только одно условие или утверждение.
Способ 2: Использование оператора «ИЛИ»
множество [ ( множество < условие1 ) | ( множество > условие2 ) ]В этом методе «массив» — это имя массива, из которого мы будем фильтровать значения и в него передается условие. Оператор «|» используется для представления функции «ИЛИ», что означает, что из обоих условий одно должно быть истинным. Это полезно, когда есть два условия.
Способ 3: Использование оператора «И».
множество [ ( множество < условие1 ) & ( множество > условие2 ) ]В следующем синтаксисе «массив» — это имя массива, который нужно отфильтровать. Принимая во внимание, что условием будет состояние, как описано в приведенном выше синтаксисе, в то время как используемый оператор «&» является оператором И, что означает, что оба условия должны быть истинными.
Способ 4: Фильтрация по перечисленным значениям
множество [ например in1d ( множество , [ Список значений ] ) ]В этом методе мы передали наш определенный массив «np.in1d», который используется для сравнения двух массивов, независимо от того, присутствует ли элемент массива, который должен быть отфильтрован, в другом массиве или нет. И массив передается в функцию np.in1d, которая должна быть отфильтрована из данного массива.
Пример #01:
Теперь давайте реализуем описанный выше метод на примере. Во-первых, мы включим наши библиотеки NumPy, предоставляемые Python. Затем мы создадим массив с именем «my_array», который будет содержать значения «2», «3», «1», «9», «3», «5», «6» и «1». Затем мы передадим наш код фильтра «my_array[(my_array < 5)]» оператору печати, что означает, что мы фильтруем значения меньше «5». В следующей строке мы создали еще один массив с именем «массив», который отвечает за наличие значений «1», «2», «6», «3», «8», «1» и «0». В оператор печати мы передали условие, согласно которому мы будем печатать значения, превышающие 5.
Наконец, мы создали еще один массив, который назвали «arr». Он содержит значения «6», «7», «10», «12» и «14». Теперь для этого массива мы будем печатать значение, которого нет в массиве, чтобы увидеть, что произойдет, если условие не будет выполнено. Для этого мы передали условие, которое отфильтрует значение, равное значению «5».
импорт пустышка в качестве напримермой_массив знак равно например множество ( [ два , 3 , 1 , 9 , 3 , 5 , два , 6 , 1 ] )
Распечатать ( 'значения меньше 5' , мой_массив [ ( мой_массив < 5 ) ] )
множество знак равно например множество ( [ 1 , два , 6 , 3 , 8 , 1 , 0 ] )
Распечатать ( 'значения больше 5' , множество [ ( множество > 5 ) ] )
обр знак равно например множество ( [ 6 , 7 , 10 , 12 , 14 ] )
Распечатать ( 'значения равны 5' , обр [ ( обр == 5 ) ] )
После выполнения кода у нас есть следующий вывод в результате, в котором мы отобразили 3 вывода, первый для элементов меньше «5», во втором выполнении мы напечатали значения больше «5». В конце мы напечатали несуществующее значение, поскольку мы видим, что оно не отображает никакой ошибки, а отображает пустой массив, что означает, что желаемое значение не существует в данном массиве.
Пример #02:
В этом случае мы будем использовать некоторые методы, в которых мы можем использовать более одного условия для фильтрации массивов. Для этого мы просто импортируем библиотеку NumPy, а затем создадим одномерный массив размером «9» со значениями «24», «3», «12», «9», «3», «5», «2», «6» и «7». В следующей строке мы использовали оператор печати, которому мы передали массив, который мы инициализировали с именем «my_array» с условием в качестве аргумента. В этом случае мы передали условие или, что означает, что из них обоих одно условие должно быть истинным. Если оба они верны, будут отображаться данные для обоих условий. В этом условии мы хотим напечатать значения меньше «5» и больше «9». В следующей строке мы использовали оператор И, чтобы проверить, что произойдет, если мы используем условие для фильтрации массива. В этом условии мы отображали значения больше «5» и меньше «9».
Импорт numpy в качестве напримермой_массив знак равно например множество ( [ 24 , 3 , 12 , 9 , 3 , 5 , два , 6 , 7 ] )
Распечатать ( «значения меньше, чем 5 или же лучше чем 9 ” , мой_массив [ ( мой_массив < 5 ) | ( мой_массив > 9 ) ] )
Распечатать ( «значения больше, чем 5 а также меньше, чем 9 ” , мой_массив [ ( мой_массив > 5 ) & ( мой_массив < 9 ) ] )
Как показано во фрагменте ниже, отображается наш результат для приведенного выше кода, в котором мы отфильтровали массив и получили следующий результат. Как мы видим, значения больше 9 и меньше 5 отображаются в первом выводе, а значения от 5 до 9 игнорируются. Принимая во внимание, что в следующей строке мы напечатали значения между «5» и «9», которые равны «6» и «7». Остальные значения массивов не отображаются.
Вывод
В этом руководстве мы кратко обсудили использование методов фильтрации, предоставляемых пакетом NumPy. Мы реализовали несколько примеров, чтобы разработать для вас лучший способ реализации методологий фильтрации, предоставляемых numpy.