需求描述

在利用numpy进行数据分析时，常有的一个需求是：根据已知的数组生成新数组。这个问题又可以分为两类：

1. 根据筛选条件生成子数组；
   
2. 根据变换条件生成新数组(新数组shape与原数组相同)

下面简单总结.

生成子数组

情况1

已知数组a，以及若干筛选条件conds，要求从数组a中生成一个子数组b。

解决办法：b=a[conds]。比如b=a[a>0],b=a[(a>=1)|(a<=-2)], b=a[(a>=1)&(a<=3)]

实例：如下

# 实例1.1：已知数组a，要求找出所有a>0的元素，然后生成一个新数组。
a = np.arange(-5,5,1)
print('原数组a：',a)
b = a[a>0]
print('实例1结果：',b)

# 实例1.2：已知数组a，要求找出所有a>=1或a<=-2的元素，然后生成一个新数组。
b = a[(a>=1) | (a<=-2)]
print('实例2结果：',b)

# 实例1.3：已知数组a，要求找出所有a>=1并且a<=3的元素，然后生成一个新数组。
b = a[(a>=1) & (a<=3)]
print('实例3结果：',b)

运行结果：

原数组a： [-5 -4 -3 -2 -1  0  1  2  3  4]
实例1结果： [1 2 3 4]
实例2结果： [-5 -4 -3 -2  1  2  3  4]
实例3结果： [1 2 3]

情况2

已知数组a和数组b（shape相同），以及对数组a的筛选条件conds_a。要求从数组b中生成一个子数组c，其中的元素id，与满足筛选条件的数组a的元素id一一对应。

解决办法：

c = b[conds_a],比如c = b[(a>=1) & (a<=3)]

实例：如下

a = np.arange(-5,5,1)
b = np.arange(-50,50,10)
print('数组a:',a)
print('数组b:',b)

c = b[(a>=1) & (a<=3)]
print('新数组c:', c)

运行结果：

数组a: [-5 -4 -3 -2 -1  0  1  2  3  4]
数组b: [-50 -40 -30 -20 -10   0  10  20  30  40]
新数组c: [10 20 30]

变换成新数组

已知数组a，以及若干变换条件conds，要求生成一个新数组b（与原数组shape相同）。解决办法：

方法1：np.where(where(condition, [x, y]))
使用场景：当变换条件只有两个以下时，比如实例2.1。该方法等价于:if condition x else y

方法2： np.select(condlist, choicelist, default=0)
使用场景：当变换条件有任意多个时，比如实例2.2。该方法等价于:

if condlist[0]:
  choicelist[0]
elif condilist[1]:
  choicelist[1]
...
else:
  default

方法3：np.piecewise(x, condlist, funclist, *args, **kw)

使用场景：同方法2，只不过变换条件较复杂，无法直接写出，要用函数来表示。
实例：如下

# 实例2.1：已知数组a，要求对所有a<0的元素取绝对值，对其他元素设为0，然后生成一个新数组
a = np.arange(-5,5,1)
print(a)
b = np.where(a<0, abs(a),0)
print('实例2.1结果：',b)

# 实例2.2：已知数组a，要求对所有a<0的元素取绝对值，对a=0的元素+100，对a>0的元素平方，然后生成一个新数组
b = np.select([a<0, a==0, a>0], [abs(a), a+100, a**2])
print('实例2.2结果：',b)

运行结果：

[-5 -4 -3 -2 -1  0  1  2  3  4]
实例2.1结果： [5 4 3 2 1 0 0 0 0 0]
实例2.2结果： [5 4 3 2 1 100 1 4 916]