我不是很明白numpy.where()的用法：
假设我有一个二维的numpy ndarray：
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
现在，我想创建一个函数，用于“检查”这个Numpy数组的各种条件。
array([[ 1, 2, 3, 4],
[ 1, 6, 7, 8],
[ 1, 1, 1, 12],
[17, 3, 15, 16],
[17, 3, 18, 18]])
例如，这个数组中哪些元素是 (A) 偶数 (B) 大于7 (C) 可被3整除？
我想使用
numpy.where() 来实现，并遍历该数组的每个元素，最终找到符合所有条件的元素（如果存在这样的元素）。 even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
如何做到这一点？我不确定如何迭代布尔值... 我可以通过以下方式访问矩阵的索引（i，j）：
np.argwhere(even_entries)
我们可以做类似这样的事情：
import numpy as np
twodim = np.array([[1, 2, 3, 4], [1, 6, 7, 8], [1, 1, 1, 12], [17, 3, 15, 16], [17, 3, 18, 18]])
even_entries = np.where(twodim % 2 == 0)
greater_seven = np.where(twodim > 7 )
divisible_three = np.where(twodim % 3 == 0)
for row in even_entries:
for item in row:
if item: #equivalent to `if item == True`
for row in greater_seven:
for item in row:
if item: #equivalent to `if item == True`
for row in divisible_three:
for item in row:
if item: #equivalent to `if item == True`
# something like print(np.argwhere())
有什么建议吗？
编辑1：下面有很好的想法。正如@hpaulj所提到的，“您的测试生成与twodim形状相同的布尔矩阵”。 这是我在摆弄中遇到的问题——并非所有条件语句都会生成与我的起始矩阵形状相同的矩阵。例如，假设我正在比较数组元素是否具有与左侧或右侧匹配的数组（即水平比较）。
twodim[:, :-1] == twodim[:, 1:]
这导致产生一个（5,3）的布尔数组，而我们原始的矩阵是一个（5,4）的数组。
array([[False, False, False],
[False, False, False],
[ True, True, False],
[False, False, False],
[False, False, True]], dtype=bool)
如果我们沿着垂直方向进行相同的操作，那么得到的是一个(4,4)的布尔数组，而原始矩阵的形状是(5,4)。
twodim[:-1] == twodim[1:]
array([[ True, False, False, False],
[ True, False, False, False],
[False, False, False, False],
[ True, True, False, False]], dtype=bool)
如果我们想知道哪些条目具有垂直和水平对，很难确定我们在哪个维度上。
where。我不知道为什么新的NumPy用户会继续使用它，但这很少是一个好主意。直接使用布尔掩码可以更轻松地完成此操作。 - user2357112