请求解析numpy where函数：文档示例的易懂拆解说明

我太懂这种对着文档抓耳挠腮的感觉了！numpy.where单看简单比较的用法确实好理解，但文档里的多参数示例总让人摸不着头脑，我来一步步给你拆解清楚。

先回顾你已经懂的：单参数用法 #

你熟悉的np.where(value > otherValue)属于单参数模式，它的作用很直接：

返回所有满足条件的元素的索引位置，结果是一个元组，每个元素对应数组某一维度的索引数组。

举个简单例子：

import numpy as np
arr = np.array([1, 3, 5, 2, 4])

# 找所有大于3的元素的索引
indices = np.where(arr > 3)
print(indices)  # 输出：(array([2, 4]),)

这个结果表示，数组里第2位（索引从0开始）和第4位的元素满足条件。

重点攻克：三参数的np.where(condition, x, y) #

这是文档里最容易让人懵的部分，其实核心规则超简单：

对数组的每一个位置，满足condition就取x对应位置的值，不满足就取y对应位置的值。

这里的x和y可以是单个标量，也可以是和condition同形状的数组，numpy会自动处理广播（不用手动对齐形状）。

示例1：x和y是标量（最常用的替换场景） #

比如把数组里大于3的元素换成10，其余换成0：

result = np.where(arr > 3, 10, 0)
print(result)  # 输出：array([ 0,  0, 10,  0, 10])

逻辑很直观：逐个检查arr的元素，符合条件就用10替换，不符合就用0替换。

示例2：x和y是同形状数组 #

如果我们想根据条件从两个不同数组里选值，也完全可以：

x = np.array([10, 20, 30, 40, 50])  # 和arr同形状
y = np.array([-1, -2, -3, -4, -5])

result = np.where(arr > 3, x, y)
print(result)  # 输出：array([-1, -2, 30, -4, 50])

解释：

• arr[0]=1不大于3 → 取y[0]=-1
• arr[2]=5大于3 → 取x[2]=30
• 以此类推，每个位置都按条件二选一。

示例3：多维数组的情况 #

where对多维数组同样生效，逻辑是逐元素判断：

arr_2d = np.array([[1, 6], [3, 4]])
result = np.where(arr_2d > 3, 'big', 'small')
print(result)
# 输出：
# array([['small', 'big'],
#        ['small', 'big']], dtype='<U5')

容易混淆的关键点：两种模式的返回值不同 #

一定要区分开：

• 单参数模式：返回索引元组（用来定位满足条件的元素）
• 三参数模式：返回和输入同形状的新数组（直接生成替换后的结果）

进阶小技巧：多条件嵌套 #

如果需要多分支判断，可以嵌套where，比如把数组分成三个等级：

result = np.where(arr > 4, 'large', 
                  np.where(arr > 2, 'medium', 'small'))
print(result)  # 输出：array(['small', 'medium', 'large', 'small', 'medium'], dtype='<U6')

逻辑是：先判断是否>4，是就返回'large'；否则进入内层where，判断是否>2，是就返回'medium'，否则返回'small'。

这样拆解下来是不是清晰多了？如果还有文档里的具体示例搞不懂，随时提出来我再给你拆～

内容的提问来源于stack exchange，提问作者wilson_smyth