Filtro numpy

Obtener elementos o obtener elementos de algunos datos se conoce como filtrado. Numpy es el paquete que nos permite crear matrices y almacenar cualquier tipo de datos en forma de matriz. Cuando se trata de filtrar en matrices mientras trabaja con paquetes Numpy proporcionados por Python, nos permite filtrar o obtener datos de las matrices utilizando funciones integradas proporcionadas por Numpy. Se puede utilizar una lista de índices booleanos, una lista de booleanos correspondientes a las posiciones de matriz, para filtrar matrices. Si el elemento en el índice de la matriz es verdadero, se almacenará en la matriz a menos que el elemento esté excluido de la matriz.

Supongamos que tenemos los datos de los estudiantes almacenados en forma de matrices y queremos filtrar a los estudiantes fallidos. Simplemente filtraremos la matriz y excluiremos a los estudiantes fallidos y se obtendrá una nueva matriz del estudiante aprobado.

Pasos para filtrar una matriz numpy

Paso 1: Importación del módulo Numpy.

Paso 2: Creando una matriz.

Paso 3: Agregar condición de filtrado.

Etapa 4: Crear una nueva matriz filtrada.

Sintaxis:

Hay múltiples formas de filtrar matrices. Depende de la condición del filtro, como si solo tenemos una condición o tenemos más de una condición.

Método 1: para una condición seguiremos la siguiente sintaxis

matriz [matriz < condition]

En la sintaxis mencionada anteriormente, "matriz" es el nombre de la matriz desde la que filtraremos los elementos. Y la condición será el estado en el que se filtren los elementos y el operador "<” is the mathematical sign that represents less than. It is efficient to use it when we only have one condition or statement.

Método 2: Usando el operador "o"

matriz [(matriz < condition1) | (array > condición2)]

En este método, "matriz" es el nombre de la matriz desde la que filtraremos los valores y la condición se le pasa. Operador "|" se usa para representar la función "o", lo que significa que en ambas condiciones uno debe ser verdadero. Es útil cuando hay dos condiciones.

Método 3: Uso del operador "y".

matriz [(matriz < condition1) & (array > condición2)]

En la siguiente sintaxis, "Array" es el nombre de la matriz a filtrar. Mientras que la condición será el estado como se discute en la sintaxis anterior, mientras que el operador utilizado "&" es el y el operador, lo que significa que ambas condiciones deben ser verdaderas.

Método 4: Filtrado por valores enumerados

matriz [NP.in1d (matriz, [lista de valores])]

En este método, pasamos nuestra matriz definida "NP.in1d "que se usa para comparar dos matrices si el elemento de la matriz que se filtrará está presente en otra matriz o no. Y la matriz se pasa al NP.función in1d que se filtrará desde la matriz dada.

Ejemplo # 01:

Ahora, implementemos el método discutido anteriormente en un ejemplo. En primer lugar, incluiremos nuestras bibliotecas numpy proporcionadas por Python. Luego, crearemos una matriz llamada "my_array" que mantendrá los valores "2", "3", "1", "9", "3", "5", "6" y "1". A continuación, pasaremos nuestro código de filtro que es "my_array [(my_array < 5)]” to the print statement which means we are filtering the values that are less than “5”. In the next line, we created another array of name “array” that is responsible for having values “1”, “2”, “6”, “3”, “8”, “1” and “0”. To the print statement, we passed the condition that we will print the values that are greater than 5.

Por último, creamos otra matriz que llamamos "arr". Está conteniendo los valores "6", "7", "10", "12" y "14". Ahora para esta matriz, imprimiremos el valor que no existe dentro de la matriz para ver qué sucederá si la condición no coincide. Para hacerlo, pasamos la condición que filtrará el valor igual al valor "5".

importar numpy como np
my_array = np.Array ([2, 3, 1, 9, 3, 5, 2, 6, 1])
imprimir ("valores menos de 5", my_array [(my_array < 5)])
matriz = np.Array ([1, 2, 6, 3, 8, 1, 0])
Imprimir ("Valores mayores que 5", Array [(Array> 5)])
arr = np.Array ([6, 7, 10, 12, 14])
imprimir ("valores iguales 5", arr [(arr == 5)])

Después de ejecutar el código, tenemos el siguiente resultado como resultado, en el que hemos mostrado las 3 salidas que la primera es para los elementos inferiores a "5" en la segunda ejecución que imprimimos los valores superiores a "5". Al final, imprimimos el valor que no existe, como podemos ver que no muestra ningún error, sino que muestra la matriz vacía, lo que significa que el valor deseado no existe en la matriz dada.

Ejemplo # 02:

En este caso, utilizaremos algunos de los métodos en los que podemos usar más de una condición para filtrar las matrices. Para realizarlo, simplemente importaremos la biblioteca Numpy y luego crearemos una matriz unidimensional de tamaño "9" que tiene valores "24", "3", "12", "9", "3", "5", "2", "6" y "7". En la siguiente línea, utilizamos una declaración de impresión a la que hemos pasado una matriz que hemos inicializado con el nombre "my_array" con la condición como argumento. En esto, hemos pasado la condición OR que significa que a ambos, una condición debe ser cierta. Si ambos son verdaderos, mostrará los datos para ambas condiciones. En esta condición, queremos imprimir los valores que son inferiores a "5" y mayores que "9". En la siguiente línea, usamos el operador y para verificar qué sucederá si usamos una condición para filtrar la matriz. En esta condición, mostramos valores que son mayores que "5" y menos que "9".

Importar numpy como np
my_array = np.Array ([24, 3, 12, 9, 3, 5, 2, 6, 7])
Imprimir ("Valores menos de 5 o más que 9", my_array [(my_array < 5) | (my_array > 9)])
Imprimir ("valores mayores a 5 y menos de 9", my_array [(my_array> 5) y (my_array < 9)])

Como se muestra en el fragmento a continuación, nuestro resultado para el código de arriba se muestra en el que filtramos la matriz y obtuvimos el siguiente resultado. Como podemos ver que los valores superiores a 9 y menos de 5 se muestran en la primera salida y se descuidan los valores entre 5 y 9. Mientras que, en la siguiente línea, hemos impreso los valores entre "5" y "9" que son "6" y "7". Los otros valores de las matrices no se muestran.

Conclusión

En esta guía, hemos discutido brevemente el uso de métodos de filtro que proporcionan el paquete Numpy. Hemos implementado múltiples ejemplos para elaborar para usted sobre la mejor manera de implementar las metodologías de filtro proporcionadas por Numpy.