本文记录日常工作中遇到的查找操作，持续更新。
注意：输入必须是 数组，不能是 list
极值
min，max 返回极值
argmin(a, axis=None, out=None)， 返回极值所在的位置；不带 axis，先拉直，再找极值；带 axis，找某个维度的极值
b = np.array([[1, 2, 3, 5], [4, 6, 2, 6]])
print(np.max(b)) # 返回最大值 6
print(np.min(b)) # 返回最小值 1
print(np.argmax(b)) # 返回第一个最大值的位置 5
print(np.argmin(b)) # 返回第一个最小值的位置 0 print(np.argmin(b, axis=1)) # [0 2]
NaN值
nan 值由多种表达形式，如 None，np.nan，np.NaN等
isnan，输入可以是 一维，也可以是 二维，返回布尔索引
x = np.array(range(10), dtype=np.float)
y = np.array(range(10,20))
print(x.shape) # (10,)
print(x) # [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
print(y) # [10 11 12 13 14 15 16 17 18 19]
x[3] = None # 插入 nan
x[5] = np.NaN # 插入 nan
print(x) # [ 0. 1. 2. nan 4. nan 6. 7. 8. 9.] # isnan 返回索引
print(np.isnan(x)) # [False False False True False True False False False False]
print(y[np.isnan(x)]) # [13 15]
print(y[~np.isnan(x)]) # [10 11 12 14 16 17 18 19]
如果想返回数值索引，可如下操作
data4 = np.array([1, 3, np.nan, 5]) ## isnan 返回 nan 值的布尔下标
print np.isnan(data4) # [False False True False] ## where 找到 nan 值的数值下标
print np.where(np.isnan(data4)) # (array([2]),)
print np.where(~np.isnan(data4)) # (array([0, 1, 3]),)
注意，nan 值 不能用 where 查找
print(np.where(x != np.NaN)) # (array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),) 这样不行
经常遇到这么一个错误
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
错误原因：有异常的数据类型，非 int float
解决方法：转换数据类型，.astype('float')
where 条件
where，返回tuple，第一个值是索引，第二个是空值
1. 输入必须是 数组，不能是 list
2. 输入一般是一维，行向量或者列向量都可以
3. 输入多维，将返回两个索引，行向量或者列向量返回不同
argwhere，直接返回索引，返回为二维数组，列向量
# list 返回错误
data = range(10)
print np.where(data>6) # (array([0]),) # 一维数组
data1 = np.array(range(0, 20, 2))
print np.where(data1>6) # (array([7, 8, 9]),)
print np.where(data1.T>6) # (array([7, 8, 9]),) # 二维数组
data2 = np.array([range(0, 20, 2)])
print np.where(data2>6) # (array([0, 0, 0]), array([7, 8, 9])) # 多行多列
data3 = np.array([range(10), range(10)])
print(data3)
print np.where(data3>6) # (array([0, 0, 0, 1, 1, 1]), array([7, 8, 9, 7, 8, 9]))
print np.where(data3.T>6) # (array([7, 7, 8, 8, 9, 9]), array([0, 1, 0, 1, 0, 1])) ## argwhere 直接返回索引
print np.argwhere(data1>6)
# [[4]
# [5]
# [6]
# [7]
# [8]
# [9]]
print np.argwhere(data1.T>6)
# [[4]
# [5]
# [6]
# [7]
# [8]
# [9]]
where 也可输入多个条件
# 求公共部分
print np.intersect1d([1, 4, 3], [3, 4, 5]) # [3 4] # 多个条件
data2 = np.array([1,5, 11,16,20])
print np.where(data2>10) # (array([2, 3, 4]),) print np.where((data2>10) & (data2<18)) # (array([2, 3]),)
print np.where(np.logical_and(data2>10, data2<18)) # (array([2, 3]),)
print np.intersect1d(np.where(data2>10)[0], np.where(data2<18)[0]) # [2 3]
extract 条件
extract(condition, arr)，按某条件查找，返回元素
print(np.extract(np.isnan(x), x)) # [nan nan]
print(np.extract(np.isnan(x), y)) # [13 15]
print(np.extract(x>8, x)) # [9.]
非0元素
nonzero，返回tuple，第一个值是索引，第二个是空值
x = [1, 0, 3, 0]
print(np.nonzero(x)) # (array([0, 2]),)
未完待续...