湖南
在數據分析、科學計算以及機器學習中，經常需要根據條件對數組進行篩選或邏輯運算。例如：
? 篩選滿足條件的元素
? 獲取符合條件的位置索引
? 構造復雜邏輯表達式（與 / 或 / 非）
? 判斷元素是否屬于某個集合
按照功能劃分，NumPy 中用于邏輯運算與條件篩選的函數通?？梢苑譃橐韵聨最悾?/p>
（1）條件篩選與提取
（2）索引獲取
（3）集合判斷
（4）邏輯運算
一、條件篩選與提取
where()
基于條件進行元素選擇或定位：要么返回滿足條件的元素索引，要么按條件在兩個數組之間逐元素選擇結果。
單參數形式：
numpy.where(condition)三參數形式：
numpy.where(condition, x, y)參數說明：
? condition：布爾條件數組
? x, y：當 condition 為 True / False 時選擇的值
返回值：
? 在三參數形式 np.where(condition, x, y) 中，返回按條件逐元素選擇后的新數組。即：
result[i] = x[i] if condition[i] else y[i]? 在單參數形式 np.where(condition) 中，返回滿足條件元素的坐標索引元組
1、三參數形式（條件篩選）
np.where(condition, x, y)按條件逐元素選擇 x 或 y。
三參數形式中，condition、x、y 需要滿足廣播兼容關系。
示例 1：
b = np.where(a > 3, a, 0)輸出：
[0 4 0 5]說明：a > 3 的位置保留原值，其余位置替換為 0。
示例 2：
np.where(a > 2, 1, 0)輸出：
[1 1 0]]說明：condition、x、y 會先進行廣播（broadcasting），再進行逐元素選擇。
2、單參數形式（索引獲?。?/strong>
np.where(condition)返回滿足條件元素的坐標索引（按軸分組，形式為索引元組）。
說明：在單參數形式下，np.where(condition) 的結果與 np.nonzero(condition) 一致。
示例 1：
np.where(a > 2)等價于：
np.nonzero(a > 2)輸出：
(array([0, 0, 1, 1]), array([0, 2, 0, 1]))np.where(condition) 返回的是：
(行索引數組, 列索引數組)逐個 True 的位置為：
(1,1) → 4分別收集索引：
列索引： [0, 2, 0, 1]示例 2：反取元素
a[np.where(a > 2)]輸出：
[6 5 3 4]extract()
根據布爾條件數組，對輸入數組進行篩選，并按一維順序返回所有滿足條件的元素。
numpy.extract(condition, arr)參數說明：
? condition：布爾條件數組
? arr：輸入數組
示例 1：
b = np.extract(a > 3, a)輸出：
[4 5]說明：提取所有大于 3 的元素。
示例 2：
b = np.extract(a > 2, a)輸出：
[6 5 3 4]按行優先（C-order）扁平化遍歷，提取所有滿足條件的元素，返回一維數組。本質上等價于布爾索引篩選后返回一維結果：
a[a > 2]np.extract() 是“按條件篩選元素并返回一維結果”的簡化接口。
compress()
沿指定軸提取元素。返回篩選后的數組。
numpy.compress(condition, a, axis=None)參數說明：
? condition：布爾數組
? a：輸入數組
? axis：指定軸
示例：
np.compress([True, False], A, axis=0)輸出：
[[1 2]]可按軸篩選。當指定 axis 時，condition 的長度應與該軸長度匹配。
與布爾索引類似，但語義更明確。
二、索引獲取
nonzero()
用于獲取數組中所有非零元素的索引位置（按軸分組返回）。
numpy.nonzero(a)參數說明：
? a：輸入數組
返回值：索引元組
(軸0索引數組, 軸1索引數組, ...)示例 1：
idx = np.nonzero(a)輸出：
(array([1, 3, 4]),)說明：非零元素位置為索引 1、3、4，對應值為：3, 5, 2。
np.nonzero(a) 等價于 np.where(a != 0)。
示例 2：
idx = np.nonzero(a)輸出：
(array([0, 1, 1]), array([1, 0, 2]))(1,2) → 4argwhere()
返回數組中非零元素（或布爾條件為 True 的元素）的坐標，并按“每行一個坐標”的形式組織結果。
numpy.argwhere(a)參數說明：
? a：輸入數組（通常為布爾數組）
示例 1：
idx = np.argwhere(a)輸出：
[4]]說明：每一行表示一個索引位置（非零元素的位置）。
示例 2：
idx = np.argwhere(a)輸出：
[1 2]]說明：每一行表示一個坐標：(row, col)。
np.nonzero(a) 是按軸分組，np.argwhere(a) 是按元素列出坐標：
np.argwhere(a) → [[行,列], [行,列], ...]三、集合判斷
isin()
判斷元素是否屬于指定集合。返回布爾數組。
numpy.isin(element, test_elements, assume_unique=False, invert=False)參數說明：
? element：輸入數組
? test_elements：測試集合
? assume_unique：是否假設唯一
? invert：是否取反
示例 1：
np.isin(a, [2, 4])輸出：
[False True False True]示例 2：
idx = np.isin(a, [2, 4])輸出：
[False False True]]四、邏輯運算
以下邏輯運算相關函數支持廣播機制，可用于構造復雜條件。
logical_and()
逐元素邏輯與。返回布爾數組。
numpy.logical_and(x1, x2)參數說明：
? x1, x2：輸入數組（可廣播）
示例：
np.logical_and(a, b)輸出：
[ True False False]logical_or()
逐元素邏輯或。
numpy.logical_or(x1, x2)參數說明（同 logical_and）。
示例：
np.logical_or(a, b)輸出：
[ True True True]logical_not()
逐元素邏輯非。
numpy.logical_not(x)參數說明：
? x：輸入數組
示例：
np.logical_not(a)輸出：
[False True False]logical_xor()
逐元素邏輯異或。
numpy.logical_xor(x1, x2)參數說明（同 logical_and）。
示例：
np.logical_xor(a, b)輸出：
[False True True]小結
NumPy 提供了一套完整的邏輯運算與條件篩選機制，其中 where() 用于通用條件選擇與索引定位，extract() 與 compress() 用于元素提取，nonzero() 與 argwhere() 用于索引獲取，isin() 用于集合判斷，而 logical_* 系列函數用于構造復雜邏輯條件。不同函數在返回結果形式、是否涉及坐標索引以及是否支持廣播方面存在差異，在實際應用中應根據數據結構與篩選需求合理選擇。
“點贊有美意，贊賞是鼓勵”
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
