Filtr Numpy

Pobieranie elementów lub uzyskanie elementów z niektórych danych jest znane jako filtrowanie. Numpy to pakiet, który pozwala nam tworzyć tablice i przechowywać dowolny rodzaj danych w formie tablicy. Jeśli chodzi o filtrowanie tablic podczas pracy z pakietami Numpy dostarczonymi przez Python, pozwala nam filtrować lub uzyskać dane z tablic za pomocą wbudowanych funkcji dostarczanych przez Numpy. Lista indeksu boolowska, lista booleansów odpowiadających pozycjom tablicy, można wykorzystać do filtrowania tablic. Jeśli element w indeksie tablicy jest prawdziwy, będzie przechowywany w tablicy, chyba że element zostanie wykluczony z tablicy.

Załóżmy, że mamy dane studentów przechowywane w formie tablic i chcemy odfiltrować nieudanych uczniów. Po prostu odfiltrujemy tablicę i wyklujemy nieudanych uczniów, a zostanie uzyskany nowa tablica przekazanego ucznia.

Kroki do filtrowania tablicy Numpy

Krok 1: Importowanie modułu Numpy.

Krok 2: Tworzenie tablicy.

Krok 3: Dodaj warunek filtrowania.

Krok 4: Utwórz nową filtrowaną tablicę.

Składnia:

Istnieje wiele sposobów filtrowania tablic. Zależy to od stanu filtra, na przykład jeśli mamy tylko jeden warunek lub mamy więcej niż jeden warunek.

Metoda 1: W przypadku jednego warunku będziemy postępować zgodnie z następującą składnią

tablica [tablica < condition]

W wymienionej powyżej składni „tablica” to nazwa tablicy, z której odfiltrujemy elementy. A warunkiem będzie stan, w którym elementy są filtrowane i operator „<” is the mathematical sign that represents less than. It is efficient to use it when we only have one condition or statement.

Metoda 2: Za pomocą operatora „lub”

tablica [(tablica < condition1) | (array > warunek2)]

W tej metodzie „tablica” to nazwa tablicy, z której będziemy filtrować wartości, a warunek jest przekazywany. Operator „|” jest używany do reprezentowania funkcji „lub”, co oznacza z obu warunków. Przydatne jest, gdy istnieją dwa warunki.

Metoda 3: Korzystanie z operatora „i”.

tablica [(tablica < condition1) & (array > warunek2)]

W poniższej składni „tablica” to nazwa tablicy do filtrowania. Podczas gdy warunek będzie stanem, jak omówiono w powyższej składni, podczas gdy operator używał „&” jest operatorem, co oznacza, że ​​oba warunek musi być prawdziwy.

Metoda 4: Filtrowanie według wartości wymienionych

tablica [NP.in1d (tablica, [lista wartości])]

W tej metodzie przekazaliśmy naszą zdefiniowaną tablicę „NP.in1d ”, który służy do porównania dwóch tablic, czy element macierzy, który ma zostać filtrowany, jest obecny w innej tablicy, czy nie. A tablica jest przekazywana do NP.funkcja in1d, która ma być filtrowana z danej tablicy.

Przykład nr 01:

Teraz wdrożymy wyżej wymyśloną metodę w przykładowym. Po pierwsze, dołączymy nasze biblioteki Numpy dostarczone przez Pythona. Następnie utworzymy tablicę o nazwie „My_Array”, która będzie utrzymywała wartości „2”, „3”, „1”, „9”, „3”, „5”, „6” i „1”. Następnie przekazamy nasz kod filtra, który jest „my_array [(my_array < 5)]” to the print statement which means we are filtering the values that are less than “5”. In the next line, we created another array of name “array” that is responsible for having values “1”, “2”, “6”, “3”, “8”, “1” and “0”. To the print statement, we passed the condition that we will print the values that are greater than 5.

Na koniec stworzyliśmy kolejną tablicę, którą nazwaliśmy „ARR”. Trzyma wartości „6”, „7”, „10”, „12” i „14”. Teraz dla tej tablicy będziemy drukować wartość, która nie istnieje w tablicy, aby zobaczyć, co się stanie, jeśli warunek nie pasuje. Aby to zrobić, przekazaliśmy warunek, który przefiltruje wartość równą wartości „5”.

importować Numpy jako NP
my_array = np.tablica ([2, 3, 1, 9, 3, 5, 2, 6, 1])
wydrukuj („wartości mniej niż 5”, my_array [(my_array < 5)])
array = np.tablica ([1, 2, 6, 3, 8, 1, 0])
druk („Wartości większe niż 5”, tablica [(tablica> 5)])
ARR = NP.tablica ([6, 7, 10, 12, 14])
print („Wartości równe 5”, ARR [(ARR == 5)])

Po wykonaniu kodu mamy następujące dane wyjściowe, w którym wyświetliśmy 3 wyjścia, pierwsze dotyczy elementów mniejszych niż „5” w drugim wykonaniu Wydrukowaliśmy wartości większe niż „5”. Na końcu wydrukowaliśmy wartość, która nie istnieje, ponieważ widzimy, że nie wyświetla żadnego błędu, ale wyświetlają pustą tablicę, co oznacza, że ​​żądana wartość nie istnieje w danej tablicy.

Przykład nr 02:

W tym przypadku użyjemy niektórych metod, w których możemy użyć więcej niż jednego warunku do filtrowania tablic. Aby go wykonać, po prostu zaimportujemy bibliotekę Numpy, a następnie utworzymy jednowymiarową tablicę rozmiaru „9” o wartościach „24”, „3”, „12”, „9”, „3”, „5”, „2”, „6” i „7”. W następnym wierszu użyliśmy instrukcji drukowania, do której przekazaliśmy tablicę, którą zainicjowaliśmy nazwą „My_Array” z warunkami jako argument. W tym przekazaliśmy warunek OR, co oznacza od obu z nich, jeden warunek musi być prawdziwy. Jeśli oba są prawdziwe, wyświetli dane dla obu warunków. W tym stanie chcemy wydrukować wartości mniejsze niż „5” i większe niż „9”. W następnym wierszu użyliśmy operatora i sprawdzić, co się stanie, jeśli użyjemy warunku do filtrowania tablicy. W tym stanie pokazaliśmy wartości większe niż „5” i mniej niż „9”.

Importować Numpy jako NP
my_array = np.tablica ([24, 3, 12, 9, 3, 5, 2, 6, 7])
Drukuj („wartości mniejsze niż 5 lub większe niż 9”, my_array [(my_array < 5) | (my_array > 9)])
Drukuj („Wartości większe niż 5 i mniej niż 9”, my_array [(my_array> 5) i (my_array < 9)])

Jak pokazano na poniższym fragmencie, nasz wynik dla powyższego kodu jest wyświetlany, w którym filtrowaliśmy tablicę i otrzymaliśmy następujący wynik. Jak widzimy wartości większe niż 9 i mniej niż 5, są wyświetlane w pierwszym wyjściu, a wartości między 5 a 9 są zaniedbywane. Podczas gdy w następnym wierszu wydrukowaliśmy wartości między „5” i „9”, które są „6” i „7”. Pozostałe wartości tablic nie są wyświetlane.

Wniosek

W tym przewodniku krótko omówiliśmy zastosowanie metod filtra, które są dostarczane przez pakiet Numpy. Wdrożyliśmy wiele przykładów do opracowania dla Ciebie najlepszego sposobu wdrożenia metodologii filtra dostarczonych przez Numpy.