• 原文出处：numpy.where() 用法讲解
• 原创作者：massquantity

numpy.where() 有两种用法：

1. np.where(condition, x, y)

• 满足条件(condition)，输出x，不满足输出y

• 情景（一）

• >>> aa = np.arange(10)
  
  >>> np.where(aa,1,-1)
  
  array([-1,  1,  1,  1,  1,  1,  1,  1,  1,  1])  # 0为False，所以第一个输出-1
  
  >>> np.where(aa > 5,1,-1)
  
  array([-1, -1, -1, -1, -1, -1,  1,  1,  1,  1])
  
  >>> np.where([[True,False], [True,True]],    # 官网上的例子
  
               [[1,2], [3,4]],
  
               [[9,8], [7,6]])
  
  array([[1, 8],
  
         [3, 4]])

• 情景（二）

• >>> a = 10
  
  >>> np.where([[a > 5,a < 5], [a == 10,a == 7]],
  
               [["chosen","not chosen"], ["chosen","not chosen"]],
  
               [["not chosen","chosen"], ["not chosen","chosen"]])
  
  array([['chosen', 'chosen'],
  
         ['chosen', 'chosen']], dtype='<U10')

2. np.where(condition)

只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

• >>> a = np.array([2,4,6,8,10])
  
  >>> np.where(a > 5)             # 返回索引
  
  (array([2, 3, 4]),)
  
  >>> a[np.where(a > 5)]              # 等价于 a[a>5]
  
  array([ 6,  8, 10])
  
  >>> np.where([[0, 1], [1, 0]])
  
  (array([0, 1]), array([1, 0]))

• 上面这个例子条件中[[0,1],[1,0]]的真值为两个1，各自的第一维坐标为[0,1]，第二维坐标为[1,0] 。