Să presupunem că avem datele studenților stocate sub formă de tablouri și dorim să filtram studenții nereușiți. Pur și simplu vom filtra matricea și vom exclude studenții pisați și se va obține o nouă matrice a elevului promovat.
Pași pentru a filtra o matrice NumPy
Pasul 1: Se importă modulul NumPy.
Pasul 2: Crearea unei matrice.
Pasul 3: Adăugați o condiție de filtrare.
Pasul 4: Creați o nouă matrice filtrată.
Sintaxă:
Există mai multe moduri de a filtra matrice. Depinde de starea filtrului, ca dacă avem o singură condiție sau avem mai multe afecțiuni.
Metoda 1: Pentru o condiție vom urma următoarea sintaxă
matrice [ matrice < condiție ]În sintaxa menționată mai sus, „array” este numele matricei din care vom filtra elementele. Iar condiția va fi starea în care sunt filtrate elementele și operatorul „<” este semnul matematic care reprezintă mai puțin decât. Este eficient să-l folosim atunci când avem o singură condiție sau declarație.
Metoda 2: Folosind operatorul „SAU”.
matrice [ ( matrice < condiția 1 ) | ( matrice > condiția 2 ) ]În această metodă, „array” este numele matricei din care vom filtra valorile și condiția îi este transmisă. Operatorul „|” este obișnuit să reprezinte funcția „SAU”, ceea ce înseamnă că din ambele condiții ar trebui să fie adevărat. Este util atunci când sunt două condiții.
Metoda 3: Utilizarea operatorului „ȘI”.
matrice [ ( matrice < condiția 1 ) & ( matrice > condiția 2 ) ]În următoarea sintaxă, „array” este numele matricei care trebuie filtrată. Întrucât, condiția va fi starea așa cum sa discutat în sintaxa de mai sus, în timp ce operatorul folosit „&” este operatorul AND, ceea ce înseamnă că ambele condiții trebuie să fie adevărate.
Metoda 4: Filtrarea după valorile listate
matrice [ de exemplu. in1d ( matrice , [ Lista de valori ] ) ]În această metodă, am trecut matricea noastră definită „np.in1d”, care este folosită pentru a compara două matrice, indiferent dacă elementul matricei care urmează să fie filtrat este prezent într-o altă matrice sau nu. Și matricea este transmisă funcției np.in1d care urmează să fie filtrată din matricea dată.
Exemplul # 01:
Acum, să implementăm metoda discutată mai sus într-un exemplu. În primul rând, vom include bibliotecile noastre NumPy furnizate de Python. Apoi, vom crea o matrice numită „my_array” care va conține valorile „2”, „3”, „1”, „9”, „3”, „5”, „6” și „1”. În continuare, vom transmite codul nostru de filtru care este „my_array[(my_array < 5)]” la instrucțiunea print, ceea ce înseamnă că filtram valorile care sunt mai mici de „5”. În rândul următor, am creat o altă matrice cu numele „matrice” care este responsabilă pentru valorile „1”, „2”, „6”, „3”, „8”, „1” și „0”. La instrucțiunea print, am trecut condiția ca să imprimăm valorile care sunt mai mari decât 5.
În cele din urmă, am creat o altă matrice pe care am numit-o „arr”. Are valorile „6”, „7”, „10”, „12” și „14”. Acum, pentru această matrice, vom tipări valoarea care nu există în cadrul matricei pentru a vedea ce se va întâmpla dacă condiția nu se potrivește. Pentru a face acest lucru, am trecut condiția care va filtra valoarea care este egală cu valoarea „5”.
import numpy la fel de de exemplu.matricea_mea = de exemplu. matrice ( [ Două , 3 , 1 , 9 , 3 , 5 , Două , 6 , 1 ] )
imprimare ( „valori mai mici de 5” , matricea_mea [ ( matricea_mea < 5 ) ] )
matrice = de exemplu. matrice ( [ 1 , Două , 6 , 3 , 8 , 1 , 0 ] )
imprimare ( „valori mai mari de 5” , matrice [ ( matrice > 5 ) ] )
arr = de exemplu. matrice ( [ 6 , 7 , 10 , 12 , 14 ] )
imprimare ( 'valorile sunt egale cu 5' , arr [ ( arr == 5 ) ] )
După executarea codului, avem ca rezultat următoarea ieșire, în care am afișat cele 3 ieșiri prima este pentru elementele mai mici de „5” în a doua execuție am tipărit valorile mai mari de „5”. La sfârșit, am tipărit valoarea care nu există, deoarece putem vedea că nu afișează nicio eroare, dar am afișat matricea goală, ceea ce înseamnă că valoarea dorită nu există în matricea dată.
Exemplul # 02:
În acest caz, vom folosi unele dintre metodele în care putem folosi mai mult de o condiție pentru a filtra matricele. Pentru ao efectua, vom importa pur și simplu biblioteca NumPy și apoi vom crea o matrice unidimensională de dimensiunea „9” având valorile „24”, „3”, „12”, „9”, „3”, „5”, „2”, „6” și „7”. În rândul următor, am folosit o instrucțiune print căreia i-am trecut un tablou pe care l-am inițializat cu numele „my_array” cu condiția ca argument. În aceasta, am trecut condiția sau, ceea ce înseamnă că din ambele, o condiție trebuie să fie adevărată. Dacă ambele sunt adevărate, va afișa datele pentru ambele condiții. În această condiție, dorim să tipărim valorile care sunt mai mici de „5” și mai mari decât „9”. În rândul următor, am folosit operatorul AND pentru a verifica ce se va întâmpla dacă folosim o condiție pentru a filtra matricea. În această condiție, am afișat valori care sunt mai mari de „5” și mai mici de „9”.
Import numpy la fel de de exemplu.matricea_mea = de exemplu. matrice ( [ 24 , 3 , 12 , 9 , 3 , 5 , Două , 6 , 7 ] )
imprimare ( „valori mai mici decât 5 sau mai mare ca 9 ” , matricea_mea [ ( matricea_mea < 5 ) | ( matricea_mea > 9 ) ] )
imprimare ( „valori mai mari decât 5 și mai puțin decât 9 ” , matricea_mea [ ( matricea_mea > 5 ) & ( matricea_mea < 9 ) ] )
După cum se arată în fragmentul de mai jos, rezultatul nostru pentru codul de mai sus este afișat în care am filtrat matricea și am obținut următorul rezultat. După cum vedem, valorile mai mari de 9 și mai mici de 5 sunt afișate în prima ieșire, iar valorile între 5 și 9 sunt neglijate. În timp ce, în rândul următor, am tipărit valorile între „5” și „9” care sunt „6” și „7”. Celelalte valori ale matricelor nu sunt afișate.
Concluzie
În acest ghid, am discutat pe scurt despre utilizarea metodelor de filtrare furnizate de pachetul NumPy. Am implementat mai multe exemple pentru a vă elabora cel mai bun mod de a implementa metodologiile de filtrare oferite de numpy.