🧑 博主簡介：阿里巴巴嵌入式技術專家，深耕嵌入式+人工智能領域，具備多年的嵌入式硬件產品研發管理經驗。

📒 博客介紹：分享嵌入式開發領域的相關知識、經驗、思考和感悟，歡迎關注。提供嵌入式方向的學習指導、簡歷面試輔導、技術架構設計優化、開發外包等服務，有需要可加文末聯系方式聯系。

💬 博主粉絲群介紹：① 群內高中生、本科生、研究生、博士生遍布，可互相學習，交流困惑。② 熱榜top10的常客也在群里，也有數不清的萬粉大佬，可以交流寫作技巧，上榜經驗，漲粉秘籍。③ 群內也有職場精英，大廠大佬，可交流技術、面試、找工作的經驗。④ 進群免費贈送寫作秘籍一份，助你由寫作小白晉升為創作大佬。⑤ 進群贈送CSDN評論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯系方式，備注自己的CSDN昵稱，拉你進群，互相學習共同進步。

1. NumPy庫介紹

NumPy（Numerical Python）是Python編程語言的一個基礎庫，廣泛用于科學計算、數據分析和機器學習等領域。NumPy以其高效的多維數組（ndarray）和豐富的函數庫而聞名，能夠輕松處理大量數據，并提供多種數值運算、線性代數、隨機數生成等功能。

得益于NumPy的高性能和高度可擴展性，它成為了數據科學家、工程師和開發者們日常工作中不可或缺的一部分。NumPy的強大功能使其在數據處理、數據分析和數值計算中非常實用。

2. where函數介紹

numpy.where 函數用于根據條件選擇元素，返回符合條件的元素或者它們的索引。where函數在數據處理和分析中非常實用，適用于替換數組中的值、篩選數據、條件賦值等操作。

2.1 函數定義

numpy.where(condition, [x, y])

參數說明

• condition：一個布爾數組或條件表達式。
• x：當條件為真時選擇的值。可選。
• y：當條件為假時選擇的值。可選。

返回值

根據條件返回數組或它們的索引。

3. 示例代碼

下面通過一系列示例代碼詳細展示numpy.where函數的使用方法。

3.1 獲得符合條件的索引

首先我們來看一個簡單的例子，使用where函數獲取符合條件的元素索引。

import numpy as np# 定義一個整數數組
array = np.array([1, 2, 3, 4, 5])# 獲取大于2的元素的索引
indices = np.where(array > 2)
print("Indices of elements greater than 2:", indices)

輸出如下：

Indices of elements greater than 2: (array([2, 3, 4]),)

這個示例中，where函數返回滿足條件的元素的索引，即大于2的元素的索引。

3.2 條件賦值操作

where函數也可以用于根據條件進行賦值操作。

import numpy as np# 定義一個整數數組
array = np.array([1, 2, 3, 4, 5])# 將大于2的元素替換為10，其它元素替換為0
modified_array = np.where(array > 2, 10, 0)
print("Modified array:", modified_array)

輸出如下：

Modified array: [ 0  0 10 10 10]

在這個示例中，where函數根據條件將數組中的元素進行了替換。

3.3 多維數組的條件操作

讓我們看看如何對多維數組使用where函數。

import numpy as np# 定義一個多維數組
array = np.array([[1, 2], [3, 4], [5, 6]])# 獲取大于2的元素的索引
indices = np.where(array > 2)
print("Indices of elements greater than 2:", indices)# 將大于2的元素替換為20，其它元素替換為0
modified_array = np.where(array > 2, 20, 0)
print("Modified array:\n", modified_array)

輸出如下：

Indices of elements greater than 2: (array([1, 1, 2, 2]), array([0, 1, 0, 1]))
Modified array:[[ 0  0][20 20][20 20]]

3.4 使用條件組合進行復雜查詢

where函數可以結合多個條件進行復雜查詢。例如，我們希望找到數組中大于2且是偶數的元素。

import numpy as np# 定義一個整數數組
array = np.array([1, 2, 3, 4, 5, 6])# 獲取大于2且是偶數的元素的索引
indices = np.where((array > 2) & (array % 2 == 0))
print("Indices of elements greater than 2 and even:", indices)# 將大于2且是偶數的元素替換為30，其它元素替換為0
modified_array = np.where((array > 2) & (array % 2 == 0), 30, 0)
print("Modified array:", modified_array)

輸出如下：

Indices of elements greater than 2 and even: (array([3, 5]),)
Modified array: [ 0  0  0 30  0 30]

在這個示例中，我們使用了條件組合來實現復雜查詢和條件賦值。

4. 實際應用：數據清洗中的條件操作

在數據清洗過程中，經常需要對數據進行條件替換或篩選。例如，在處理缺失值或異常值時，可以使用where函數進行條件替換。

4.1 數據清洗示例

假設我們有一個數據集中包含了一些缺失值（用-1表示），我們希望將這些缺失值替換為均值。

import numpy as np# 定義一個包含缺失值的數組
data = np.array([1, -1, 3, 4, -1, 6], dtype=np.float64)# 計算均值（忽略缺失值）
mean_value = np.mean(data[data != -1])# 將缺失值替換為均值
cleaned_data = np.where(data == -1, mean_value, data)
print("Cleaned data:", cleaned_data)

輸出如下：

Cleaned data: [1.  3.5 3.  4.  3.5 6. ]

在這個示例中，我們首先計算了非缺失值的均值，然后使用where函數將缺失值替換為均值。

5. 總結

NumPy作為科學計算和數據分析的核心工具，其高效、便捷、多功能的特性在各類數據處理任務中扮演著重要角色。numpy.where函數是NumPy中的一個關鍵函數，能夠高效地進行條件操作，對于數據預處理和條件篩選非常有用。

在本文中，我們介紹了numpy.where函數，解析了該函數的定義和參數，并通過多個示例展示其具體用法，包括基本使用、條件賦值、多維數組條件操作以及復雜查詢。此外，我們展示了條件操作在數據清洗中的一個實際應用案例，展示了如何通過條件替換處理缺失值。

通過掌握NumPy的where函數，可以大大提升我們在數據預處理和數據分析中的工作效率和準確性。希望這篇文章能對您的學習和實際應用有所幫助。如果你對NumPy及其功能有更多興趣，建議繼續深入學習和探索。