46 查找array中的满足条件的元素位置
例如：
构建array
data=np.random.randint(0,10,size=(3,3))
data
data array如下：
array([[2, 2, 2],
[1, 0, 8],
[4, 0, 9]])
查找里面>5的元素的位置。
解决办法：
data=np.random.randint(0,10,size=(3,3))
np.argwhere(data>5)
输出
array([[1, 2],
[2, 2]])
要点解读：输出的array ，[1, 2]代表的是第二行，第三列8的位置，[2, 2]代表的是第三行，第三列9的位置。
47 通过np.where对array内的元素进行clip操作
例如：
构建data, 从1~50采样20个元素，如下：
np.random.seed(100)
data = np.random.uniform(1,50, 20)
data
data array如下：
array([27.63, 14.64, 21.8 , 42.39, 1.23, 6.96, 33.87, 41.47, 7.7 ,
29.18, 44.67, 11.25, 10.08, 6.31, 11.77, 48.95, 40.77, 9.43,
41. , 14.43])
进行截取操作，把20个元素的输出限定在10~30之间。
np.random.seed(100)
data = np.random.uniform(1,50, 20)
print(np.where(data < 10, 10, np.where(data > 30, 30, data)))
输出：
[27.63 14.64 21.8 30. 10. 10. 30. 30. 10. 29.18 30. 11.25
10.08 10. 11.77 30. 30. 10. 30. 14.43]
要点解读：
np.where(condition, x, y)，如果array元素满足condition则返回x，否则返回y。np.where(data > 30, 30, data) 如果data的元素>30则返回30，否则返回data元素，具体示例就是如果data内的元素为45，满足>30的条件，则返回30。如果data内的元素为20，不满足>30则返回20。
也可以通过np.clip(data, a_min=10, a_max=30)来实现同样的效果。
48 返回array中的top N
例如：构建元素
np.random.seed(100)
data = np.random.uniform(1,50, 20)
data
array 内容如下：
array([27.63, 14.64, 21.8 , 42.39, 1.23, 6.96, 33.87, 41.47, 7.7 ,
29.18, 44.67, 11.25, 10.08, 6.31, 11.77, 48.95, 40.77, 9.43,
41. , 14.43])
返回该array中的top 5
解决办法：
np.random.seed(100)
data = np.random.uniform(1,50, 20)
data[data.argsort()][-5:]
输出
array([41. , 41.47, 42.39, 44.67, 48.95])
要点解读：
data.argsort()将返回data array排序后的index，内容如下：
array([ 4, 13, 5, 8, 17, 12, 11, 14, 19, 1, 2, 0, 9, 6, 16, 18, 7,
3, 10, 15])
也可以使用np.sort(data)[-5:]来实现同样的效果。
49 如何把一个符合array摊平
例如：
arr1 = np.arange(3)
arr2 = np.arange(3,7)
arr3 = np.arange(7,10)
array_of_arrays = np.array([arr1, arr2, arr3])
array_of_arrays
array_of_arrays内容如下：
array([array([0, 1, 2]), array([3, 4, 5, 6]), array([7, 8, 9])],
dtype=object)
接下来如何把array_of_arrays摊平。
解决办法：
arr1 = np.arange(3)
arr2 = np.arange(3,7)
arr3 = np.arange(7,10)
array_of_arrays = np.array([arr1, arr2, arr3])
arr_2d = np.concatenate(array_of_arrays, axis=0)
print(arr_2d)
输出
[0 1 2 3 4 5 6 7 8 9]
也可以使用arr_2d = np.array([a for arr in array_of_arrays for a in arr])实现同样的结果。
50 如何把一个array进行one hot编码
例如：
构建array如下：
np.random.seed(101)
arr = np.random.randint(1,4, size=6)
arr
arr内容如下：
array([2, 3, 2, 2, 2, 1])
解决办法：
np.random.seed(101)
arr = np.random.randint(1,4, size=6)
(arr.reshape(-1,1) == np.unique(arr)).view(np.int8)
输出
array([[0, 1, 0],
[0, 0, 1],
[0, 1, 0],
[0, 1, 0],
[0, 1, 0],
[1, 0, 0]], dtype=int8)
要点解读：
arr.reshape(-1,1)
输出：
array([[2],
[3],
[2],
[2],
[2],
[1]])
先把array改变形状。再把arr进行unique处理。
np.unique(arr)
输出：
array([1, 2, 3])
接下来就可以通过arr.reshape(-1,1) == np.unique(arr)来构建一个布尔array了。
array([[False, True, False],
[False, False, True],
[False, True, False],
[False, True, False],
[False, True, False],
[ True, False, False]])
使用布尔array的最大好处就是只要把true表示成1，其他false表示为0，这不就是one-hot编码了吗~这个可以方便的使用.view来实现。
最后全部合起来:
(arr.reshape(-1,1) == np.unique(arr)).view(np.int8)
输出
array([[0, 1, 0],
[0, 0, 1],
[0, 1, 0],
[0, 1, 0],
[0, 1, 0],
[1, 0, 0]], dtype=int8)
