数组过滤
从现有数组中取出一些元素并从中创建新数组称为过滤（filtering）。
在 NumPy 中，我们使用布尔索引列表来过滤数组。
布尔索引列表是与数组中的索引相对应的布尔值列表。
如果索引处的值为 True ，则该元素包含在过滤后的数组中；如果索引处的值为 False ，则该元素将从过滤后的数组中排除。
实例
用索引 0 和 2、4 上的元素创建一个数组：
import numpy as np
arr = np.array([61, 62, 63, 64, 65])
x = [True, False, True, False, True]
newarr = arr[x]
print(newarr)
|
上例将返回 [61, 63, 65] ，为什么？
因为新过滤器仅包含过滤器数组有值 True 的值，所以在这种情况下，索引为 0 和 2、4。
创建过滤器数组
在上例中，我们对 True 和 False 值进行了硬编码，但通常的用途是根据条件创建过滤器数组。
实例
创建一个仅返回大于 62 的值的过滤器数组：
import numpy as np
arr = np.array([61, 62, 63, 64, 65])
filter_arr = []
for element in arr:
if element > 62:
filter_arr.append(True)
else:
filter_arr.append(False)
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
|
实例
创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
filter_arr = []
for element in arr:
if element % 2 == 0:
filter_arr.append(True)
else:
filter_arr.append(False)
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
|
直接从数组创建过滤器
上例是 NumPy 中非常常见的任务，NumPy 提供了解决该问题的好方法。
我们可以在条件中直接替换数组而不是 iterable 变量，它会如我们期望地那样工作。
实例
创建一个仅返回大于 62 的值的过滤器数组：
import numpy as np
arr = np.array([61, 62, 63, 64, 65])
filter_arr = arr > 62
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
|
实例
创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
filter_arr = arr % 2 == 0
newarr = arr[filter_arr]
print(filter_arr)
print(newarr)
|
|
