Python vs Matlab—— find 与 np where

1. matlab中的find函数

将数组中的偶数值返回：

x = randperm(100, 10)
x(mod(x, 2) == 0)

matlab中find的函数的强大之处在于其能返回下标，且视返回参数的个数，返回以列全排序的一维下标（返回参数的个数为1），返回行列索引的二维坐标（返回参数的个数为2）：

>>A = [1, 2, 3; 1, 2, 3; 1, 2, 3]
>>idx = find(A > 2)
            % idx = 7 8 9   
>>A(idx)    % 3 3 3

% 当然也可以更简洁地索引符合某一条件（predicate，断言）的元素
>>A(A>2)

>>[rows, cols] = find(A > 2)
        rows = 1 2 3
        cols = 3 3 3

2. python：遍历+判断

>>a = [1, 2, 3, 1, 2, 3, 1, 2, 3]
>>idx = [idx for (idx, val) in enumerate(a) if val > 2]
>>idx
[2, 5, 8]
>>vals = [val for (idx, vals) in enumerate(a) if val > 2]
[3, 3, 3]

3. python numpy：np.where

python或者numpy中能够返回符合某一条件的下标的函数是np.where()，不过np.where()并不接受list类型的参数，可见np.where()既可以接收三个参数，用于三目运算，也可接收一个参数，返回符合条件的下标。

>>a = np.array(a)
>>a
array([1, 2, 3, 1, 2, 3, 1, 2, 3])
>>idx = np.where(a > 2)
>>idx
(array([2, 5, 8], dtype=int32),)
>>a[idx]               # 这种做法并不推荐
array([3, 3, 3])        
>>a[a>2]               # 推荐的做法
array([3, 3, 3])

注意，这种情况下，也即 np.where() 用于返回断言成立时的索引，返回值的形式为 arrays of tuple，由 np.array 构成的 tuple，一般 tuple 的 len 为2（当判断的对象是多维数组时），哪怕是一维数组返回的仍是 tuple，此时tuple 的 len 为 1；

np.where()[0] 表示行的索引，
np.where()[1] 则表示列的索引

np.where()用于三目运算的情况：

>>y = np.array([1, 2, 3, 4, 5, 6])  # 将奇数转换为偶数，偶数转换为奇数
>>y = np.where(y%2 == 0, y+1, y-1)
>>y 
array([0, 3, 2, 5, 4, 7])

4. 处理NaN（not a number）

将nan所在的列非nan的均值赋给这些nan值

>>A = np.array([[1, 2, 3, 4], [5, 6, np.nan, 8], [9, 10, 11, np.nan]])
>>idx = np.where(np.isnan(A))
>>idx
(array([1, 2], dtype=int32), array([2, 3], dtype=int32))
for i in idx:
    A[i[0], i[1]] = A[~np.isnan(A[:, i[1]]), i[1]].mean()

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://www.cnblogs.com/captainbed