Numpy中np.where的”case”等效方法介绍

在本文中，我们将介绍在Numpy中如何实现”case”等效方法。在某些情况下，我们需要将numpy中的一些简单的条件语句转换为等效的语句，这时我们可以使用np.where函数来实现，它可以返回一个新的数组，这个数组的元素是根据给定的条件形成的。但是，有时候我们会遇到一些复杂的判断，需要针对不同的条件进行不同的操作，这时我们就需要一种类似”case”语句的功能，来实现不同条件下的不同操作。

阅读更多：Numpy 教程

np.select

Numpy提供了np.select函数，可以实现类似”case”语句的功能。np.select函数的作用是在给定的条件下返回第一个满足条件的数组元素。例如，我们有一个数组a，我们希望在这个数组中找到所有小于5的元素，并将它们替换为100，找到所有大于等于5小于10的元素，并将它们替换为200，找到所有大于等于10的元素，并将它们替换为300，可以使用np.select函数来实现：

import numpy as np

a = np.array([2, 6, 11, 3, 9, 14, 5, 8])
conditions = [a < 5, (a >= 5) & (a < 10), a >= 10]
choices = [100, 200, 300]

result = np.select(conditions, choices)
print(result)

这里，我们首先定义了三个判断条件，分别是小于5的元素、大于等于5小于10的元素、大于等于10的元素，然后定义了三个不同的替换选项，分别是100、200、300。最后，使用np.select函数，在conditions与choices之间进行比较，得到最后的替换结果。输出结果如下：

[100 200 300 100 200 300 100 200]

np.select函数还支持使用默认值（default）替换所有未被指定的条件。例如，我们可以在上面的例子中添加一个default选项，将所有未被指定的条件替换为0：

import numpy as np

a = np.array([2, 6, 11, 3, 9, 14, 5, 8])
conditions = [a < 5, (a >= 5) & (a < 10), a >= 10]
choices = [100, 200, 300]
default = 0

result = np.select(conditions, choices, default)
print(result)

输出结果如下：

[100 200 300 100 200 300 200 200]

np.piecewise

np.piecewise函数也可以实现”case”语句的功能。np.piecewise函数的作用是在函数f中，根据定义在breakpoints中的区间来对数据进行分类，并对每个类别使用对应的函数进行计算。例如，我们有一个数组a，我们希望在这个数组中找到所有小于5的元素，并将它们替换为100，找到所有大于等于5小于10的元素，并将它们替换为200，找到所有大于等于10的元素，并将它们替换为300，可以使用np.piecewise函数来实现：

import numpy as np

a = np.array([2, 6, 11, 3, 9, 14, 5, 8])
result = np.piecewise(a, [a < 5, (a >= 5) & (a < 10), a >= 10], [100, 200, 300])
print(result)

这里，我们使用np.piecewise函数，定义了三个判断条件，分别是小于5的元素、大于等于5小于10的元素、大于等于10的元素，然后分别指定了对应的替换选项。输出结果与使用np.select函数相同：

[100 200 300 100 200 300 100 200]

np.piecewise函数也支持使用默认值（default）替换所有未被指定的条件。例如，我们可以在上面的例子中添加一个default选项，将所有未被指定的条件替换为0：

import numpy as np

a = np.array([2, 6, 11, 3, 9, 14, 5, 8])
result = np.piecewise(a, [a < 5, (a >= 5) & (a < 10), a >= 10], [100, 200, 300], 0)
print(result)