numpy.where() 有兩種用法：
1. np.where(condition, x, y)
滿足條件(condition)，輸出x，不滿足輸出y。
如果是一維數組，相當于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]
>>> aa = np.arange(10)
>>> np.where(aa,1,-1)
array([-1, 1, 1, 1, 1, 1, 1, 1, 1, 1]) # 0為False，所以第一個輸出-1
>>> np.where(aa > 5,1,-1)
array([-1, -1, -1, -1, -1, -1, 1, 1, 1, 1])
>>> np.where([[True,False], [True,True]], # 官網上的例子
[[1,2], [3,4]],
[[9,8], [7,6]])
array([[1, 8],
[3, 4]])
上面這個例子的條件為[[True,False], [True,False]]，分別對應最后輸出結果的四個值。第一個值從[1,9]中選，因為條件為True，所以是選1。第二個值從[2,8]中選，因為條件為False，所以選8，后面以此類推。類似的問題可以再看個例子：
>>> a = 10
>>> np.where([[a > 5,a 5], [a == 10,a == 7]],
[["chosen","not chosen"], ["chosen","not chosen"]],
[["not chosen","chosen"], ["not chosen","chosen"]])
array([['chosen', 'chosen'],
['chosen', 'chosen']], dtype='U10')
2. np.where(condition)
只有條件 (condition)，沒有x和y，則輸出滿足條件 (即非0) 元素的坐標 (等價于numpy.nonzero)。這里的坐標以tuple的形式給出，通常原數組有多少維，輸出的tuple中就包含幾個數組，分別對應符合條件元素的各維坐標。
>>> a = np.array([2,4,6,8,10])
>>> np.where(a > 5) # 返回索引
(array([2, 3, 4]),)
>>> a[np.where(a > 5)] # 等價于 a[a>5]
array([ 6, 8, 10])
>>> np.where([[0, 1], [1, 0]])
(array([0, 1]), array([1, 0]))
上面這個例子條件中[[0,1],[1,0]]的真值為兩個1，各自的第一維坐標為[0,1]，第二維坐標為[1,0] 。
下面看個復雜點的例子：
>>> a = np.arange(27).reshape(3,3,3)
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
>>> np.where(a > 5)
(array([0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2]),
array([2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2]),
array([0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]))
# 符合條件的元素為
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]]
所以np.where會輸出每個元素的對應的坐標，因為原數組有三維，所以tuple中有三個數組。
需要注意的一點是，輸入的不能直接是list，需要轉為array或者為array才行。比如range(10)和np.arange(10)后者返回的是數組，使用np.where才能達到效果。
np.argsort()的用法
numpy.argsort(a, axis=-1, kind='quicksort', order=None)
argsort(a)#獲取a從小到大排列的數組
argsort(-a)#獲取a從大到小排列的數組
argmin(a)#獲取a最小值下標
argmax(a)#獲取a最大值下標
功能: 將矩陣a按照axis排序，并返回排序后的下標
參數: a:輸入矩陣， axis:需要排序的維度
返回值: 輸出排序后的下標
(一維數組)
import numpy as np
x = np.array([1,4,3,-1,6,9])
x.argsort()
# array([3, 0, 1, 2, 4, 5], dtype=int64)
可以發現，argsort()是將X中的元素從小到大排序后，提取對應的索引index，然后輸出到y
如x[3]=-1最小，x[5]=9最大
所以取數組x的最小值可以寫成:
或者用argmin()函數
數組x的最大值，寫成：
x[x.argsort()[-1]] # -1代表從后往前反向的索引
或者用argmax()函數,不再詳述
輸出排序后的數組
x[x.argsort()]
# 或
x[np.argsort(x)]
(二維數組)
x = np.array([[1,5,4],[-1,6,9]])
# [[ 1 5 4]
# [-1 6 9]]
沿著行向下(每列)的元素進行排序
np.argsort(x,axis=0)
# array([[1, 0, 0],
# [0, 1, 1]], dtype=int64)
沿著列向右(每行)的元素進行排序
np.argsort(x,axis=1)
# array([[0, 2, 1],
# [0, 1, 2]], dtype=int64)
補充：Numpy.unravel_index()和Numpy.argsort()
由于編程和文筆都較差，寫的不好請見諒...
今天下午學習LDA模型的python實現，其中用到了Numpy庫，想詳細了解用到的每個函數，便在網上找資料。
其中遇到了Numpy.unravel_index()和Numpy.argsort()，看了好半天才弄懂orz心血來潮記錄一下
首先，附上英文官方文檔。https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.argsort.html和https://docs.scipy.org/doc/numpy/reference/generated/numpy.unravel_index.html
講講我對Numpy.argsort()的理解：
numpy.argsort(a, axis=-1, kind='quicksort', order=None)
參數說明：a要排序的數組，
axis整型或者None，如果是None，數組將變成扁平數組（即變成一行數組）
kind排序算法，快排，歸并排序，堆排序...
order自定義字段順序
返回： index_array ：n維下標數組
實例：一維數組
二維數組
然后講講我對numpy.unravel_index的理解~
numpy.unravel_index(indices, dims, order='C')
參數說明：indices數組
dims數組的維度大小
order:{C,F}（C行為主，F列為主）
返回： unraveled_coords為n維數組的元組
實例： 這個地方想了好久才明白T T
簡單解釋一下，22/6=3......4
總算寫完了！
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- 詳解numpy的argmax的具體使用
- Numpy中np.max的用法及np.maximum區別
- Python中的np.argmin()和np.argmax()函數用法
