介绍
Numpy是一个Python中常用的数值计算库。它提供了一个多维数组对象，以及一些用于处理数组元素的函数。Numpy还提供了一些线性代数、傅里叶变换和随机数生成等函数。其中，np.where和np.searchsorted函数用于查找数组中的元素。np.where用于返回符合条件的元素下标，np.searchsorted用于返回符合条件的元素下标从哪里开始。
在本文中，我们将深入学习其中的np.where函数和np.searchsorted函数。通过学习这两个函数，你可以更快，更高效地处理数组元素。如果你想掌握更多关于Numpy的知识，请参阅官方文档。
np.where函数
使用方法
np.where(condition, x, y)函数用于返回符合条件的元素下标，其中condition是一个逻辑数组或布尔值数组。如果相应条件为True，则返回x中对应位置的值，否则返回y中对应位置的值。返回的是一个元组，包含所有符合条件的元素下标。下面是一个简单的例子：
import numpy as np
a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])
c = np.array([False, True, False, True])
print(np.where(c, a, b)) # output: [10 2 30 4]其中c数组表示是否选择a中的元素：
- False表示选择b数组中对应位置的元素。
- True表示选择a数组中对应位置的元素。
从输出结果可以看到，第2个和第4个元素被选择了，它们分别是2和4。此外，我们还可以使用Numpy的比较运算符得到逻辑数组：
a = np.array([1, 2, 3, 4])
b = np.array([10, 20, 30, 40])
print(np.where(a > 2, a, b)) # output: [10 20 3 4]其中a > 2返回了一个逻辑数组，它表示哪些元素大于2。
应用场景举例
np.where函数在数据分析中有很多应用场景，比如：
- 查找符合条件的元素下标。
- 将符合条件的元素替换为另一个元素。
- 根据条件选择不同的值或处理方式。
np.searchsorted函数
使用方法
np.searchsorted(a, v, side='left', sorter=None)函数用于返回符合条件的元素下标从哪里开始。其中a是有序的一维数组，v是需要查找的值。该函数会返回数组中第一个大于或等于v的元素下标。如果查找key的值比数组中所有元素都大，则返回数组长度。如果数组中有多个相同的结果，则返回第一个匹配的位置。
a = np.array([0, 2, 4, 6, 8])
print(np.searchsorted(a, 6)) # output: 3
print(np.searchsorted(a, [-1, 1, 3, 9]))
# output: [0 1 2 5]在第一个例子中，数组a为[0, 2, 4, 6, 8]，查找6的位置。因为6在数组a中，故返回结果为3。
在第二个例子中，我们查找数组[-1, 1, 3, 9]中每个元素在a中的位置。可以看到，[-1, 1, 3]中的元素在a中都没有出现过，故返回[0 1 2]。而9的值比数组中所有元素都大，故返回a的长度5。
应用场景举例
np.searchsorted函数也有很多应用场景，比如：
- 判断元素v在数组a中的位置，决定是否将其插入数组中。
- 查找有序数组中最大/最小的位置。
结论
本文介绍了Numpy库中的两个函数：np.where和np.searchsorted。通过这两个函数，你可以更加高效地处理数组元素。np.where函数用于返回符合条件的元素下标；np.searchsorted函数用于返回符合条件的元素下标从哪里开始。