HOWTO · NumPy
Plusieurs conditions avec numpy.where()
Découvrez quatre façons de combiner plusieurs conditions avec numpy.where() en Python : les opérateurs &, | et les fonctions numpy.logical_and() et numpy.logical_or().
Sur cette page
Pour combiner plusieurs conditions sur un tableau, utilisez & ou |, ou bien numpy.logical_and() ou numpy.logical_or(), puis transmettez le tableau booléen obtenu à numpy.where(). Avec & et |, placez chaque comparaison entre parenthèses. Les exemples ci-dessous sélectionnent les valeurs supérieures à 2 et inférieures à 4, ou celles qui sont supérieures à 2 ou divisibles par 2. Choisissez AND lorsque toutes les conditions doivent être satisfaites, et OR lorsqu’une seule suffit. Chaque comparaison produit un tableau booléen aligné sur values ; leur combinaison forme la condition de sélection.
Chaque exemple affiche les valeurs sélectionnées ; le résultat est présenté juste après le code.
Utiliser numpy.where() avec plusieurs conditions et l’opérateur & en Python
Utilisez & pour exiger que chaque comparaison soit vraie pour un élément du tableau. Mettez chaque comparaison entre parenthèses : sinon, la priorité des opérateurs en Python peut modifier l’évaluation de l’expression. L’exemple suivant sélectionne les valeurs comprises entre 2 et 4, sans inclure les bornes :
import numpy as np
values = np.array([1, 2, 3, 4, 5])
result = values[np.where((values > 2) & (values < 4))]
print(result)
[3]
np.where(condition) renvoie un tuple contenant les indices correspondants. L’indexation de values avec ce tuple récupère les éléments correspondants ; dans cet exemple, la valeur sélectionnée est 3. Pour ajouter des conditions, mettez chaque comparaison entre parenthèses et reliez-les avec un autre & : l’élément n’est retenu que si toutes les conditions sont vraies.
Utiliser numpy.where() avec plusieurs conditions et l’opérateur | en Python
Utilisez | lorsqu’au moins une des comparaisons peut être vraie. Dans une condition NumPy, | effectue un OU élément par élément : il combine les valeurs booléennes correspondantes des deux comparaisons. Dans cet exemple, un élément est sélectionné s’il est supérieur à 2 ou divisible par 2. Chaque comparaison est mise entre parenthèses avant l’opération OU élément par élément :
import numpy as np
values = np.array([1, 2, 3, 4, 5])
result = values[np.where((values > 2) | (values % 2 == 0))]
print(result)
[2 3 4 5]
La valeur 2 satisfait le test de divisibilité, tandis que 3 et 5 satisfont le test « supérieur à » ; 4 satisfait les deux. numpy.where() renvoie chaque indice correspondant une seule fois : 4 n’apparaît donc qu’une fois dans le résultat sélectionné. Vous pouvez relier davantage de comparaisons entre parenthèses avec | lorsqu’un élément doit être retenu dès qu’il satisfait l’un des tests.
Utiliser numpy.logical_and() avec plusieurs conditions dans numpy.where()
numpy.logical_and() combine deux conditions élément par élément : cette fonction offre une autre forme de l’approche avec &. Transmettez son résultat à numpy.where() pour obtenir les indices correspondants, puis utilisez ces indices pour sélectionner les valeurs :
import numpy as np
values = np.array([1, 2, 3, 4, 5])
condition = np.logical_and(values > 2, values < 4)
result = values[np.where(condition)]
print(result)
[3]
Ici, les deux comparaisons doivent être vraies pour qu’un élément soit sélectionné. Comme les entrées ont la même forme, le tableau de conditions a la même forme que values. Pour ajouter des tests, combinez les résultats des fonctions logiques par étapes ; cela peut faciliter la lecture et l’inspection d’une condition plus longue.
Utiliser numpy.logical_or() avec plusieurs conditions dans numpy.where() en Python
numpy.logical_or() combine les conditions élément par élément lorsqu’il suffit que l’une d’elles sélectionne un élément. Comme dans l’exemple avec l’opérateur, nous sélectionnons ici les valeurs supérieures à 2 ou divisibles par 2 :
import numpy as np
values = np.array([1, 2, 3, 4, 5])
condition = np.logical_or(values > 2, values % 2 == 0)
result = values[np.where(condition)]
print(result)
[2 3 4 5]
Utilisez & et | pour les opérations élément par élément sur les tableaux ; les opérateurs scalaires and et or de Python ne combinent pas des tableaux booléens NumPy. Les fonctions logiques conviennent si vous préférez des opérations nommées ou si vous souhaitez construire une condition en plusieurs étapes. Pour des conditions de formes compatibles, NumPy applique ces fonctions élément par élément. Dans chaque exemple, values[np.where(condition)] utilise le tuple d’indices pour récupérer les valeurs d’origine ; np.where(condition) seul renvoie les positions, et non les valeurs qui s’y trouvent. Veillez à ce que les tableaux de conditions aient une forme compatible avec les données à sélectionner.