HOWTO · NumPy
numpy.where() con condizioni multiple
Scopri quattro modi per combinare condizioni con numpy.where() in Python: gli operatori &, | e le funzioni numpy.logical_and() e numpy.logical_or().
In questa pagina
Per selezionare gli elementi di un array in base a più condizioni, combina i confronti con & o |, oppure usa numpy.logical_and() o numpy.logical_or(), e passa poi l’array booleano ottenuto a numpy.where(). Quando usi & o |, racchiudi ogni confronto tra parentesi. Gli esempi seguenti selezionano i valori maggiori di 2 e minori di 4, oppure quelli maggiori di 2 o divisibili per 2. Scegli AND se tutte le condizioni devono essere vere; scegli OR se è sufficiente che ne sia vera una. Ogni confronto genera un array booleano i cui elementi corrispondono a quelli di values; combinando gli array si ottiene la condizione da usare per la selezione.
Ogni esempio stampa i valori selezionati; il risultato è mostrato subito dopo il codice.
Implementare condizioni multiple con numpy.where() e l’operatore & in Python
Usa & per richiedere che ogni confronto risulti vero per un elemento dell’array. Racchiudi ciascun confronto tra parentesi, perché altrimenti la precedenza degli operatori di Python potrebbe modificare la valutazione dell’espressione. L’esempio seguente seleziona i valori compresi tra 2 e 4, estremi esclusi:
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) restituisce una tupla di indici corrispondenti. Usando questa tupla per indicizzare values si recuperano gli elementi selezionati; in questo esempio, il valore 3. Per aggiungere altre condizioni, racchiudi ciascun confronto tra parentesi e collegalo con un altro &: un elemento viene incluso nel risultato solo se tutti i confronti sono veri.
Implementare condizioni multiple con numpy.where() e l’operatore | in Python
Usa | quando è sufficiente che uno dei confronti risulti vero. Nelle condizioni NumPy, | esegue un OR elemento per elemento, combinando i valori booleani corrispondenti dei due confronti. In questo esempio, un elemento viene selezionato se è maggiore di 2 oppure divisibile per 2. Ogni confronto è racchiuso tra parentesi prima dell’operazione OR elemento per elemento:
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]
Il valore 2 soddisfa il test di divisibilità, mentre 3 e 5 soddisfano quello del maggiore di 2; 4 soddisfa entrambi. numpy.where() restituisce una sola volta ciascun indice corrispondente, quindi 4 compare una sola volta nel risultato. Puoi collegare con | altri confronti, ciascuno racchiuso tra parentesi, quando è sufficiente che un elemento soddisfi almeno uno dei test.
Implementare condizioni multiple con la funzione numpy.logical_and()
numpy.logical_and() combina due condizioni elemento per elemento ed è la forma funzionale dell’approccio con &. Passa il risultato a numpy.where() per ottenere gli indici corrispondenti, poi usa quegli indici per selezionare i valori:
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]
In questo caso, entrambe le condizioni devono essere vere perché un elemento venga selezionato. Poiché questi input hanno la stessa forma, anche l’array condition ha la stessa forma di values. Se vuoi verificare altre condizioni, puoi combinare in più passaggi i risultati delle funzioni logiche: così un’espressione più lunga è più facile da leggere e controllare.
Implementare condizioni multiple con la funzione numpy.logical_or() in Python
numpy.logical_or() combina le condizioni elemento per elemento quando è sufficiente che una delle due selezioni un elemento. Come nell’esempio con l’operatore, qui vengono selezionati i valori maggiori di 2 oppure divisibili per 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]
Per le operazioni elemento per elemento sugli array, usa & e |: gli operatori scalari and e or di Python non combinano gli array booleani di NumPy. Le funzioni logiche sono utili se preferisci operazioni con un nome esplicito o vuoi costruire una condizione per passaggi. Con condizioni di forma compatibile, NumPy applica le funzioni logiche elemento per elemento. In ogni esempio, values[np.where(condition)] usa la tupla di indici per recuperare i valori originali; np.where(condition) da solo restituisce le posizioni, non i valori in quelle posizioni. Assicurati che le forme degli array delle condizioni siano compatibili con i dati che vuoi selezionare.