Método np.where de Python

La función np.where() permite trabajar específicamente con arrays NumPy en Python. Sus operaciones vectorizadas la hacen más eficiente que los métodos basados en bucles.

¿Para qué sirve np.where de Python?

La función np.where() en Python es un potente método de la librería NumPy adecuado para la selección condicional de elementos de un array. Se ocupa de identificar y extraer los elementos que cumplen una determinada condición, devolviendo los índices o valores correspondientes.

La función np.where() se utiliza en diversos campos, como el procesamiento de datos, la informática científica, el aprendizaje automático y el análisis de datos. En la manipulación de datos, np.where() permite filtrar datos basándose en ciertos criterios y reemplazar valores en arrays.

La sintaxis de np.where() de Python

La función np.where() acepta un array de tipo NumPy formado por enteros o valores booleanos, por ejemplo. La sintaxis de la función np.where() en Python es la siguiente:

import numpy as np 
 
np.where(condition[, x, y])

• condition: es la condición que se aplica al array para determinar qué elementos deben seleccionarse.
• x e y (opcional): si solo se especifica condition, np.where() devuelve los índices de los elementos que cumplen la condición. Si se especifican x e y, se devuelven los valores de x cuando se cumple la condición, y los valores de y en caso contrario.

Después de llamar a la función np.where(), ésta devuelve como resultado un nuevo array NumPy. Este nuevo array se crea filtrando o seleccionando los elementos del array original basándose en una condición. Cada valor true o false en este array de condiciones corresponde a la selección o filtrado del elemento correspondiente en el array original.

Ejemplos de uso de np.where()

El método np.where() es una herramienta muy versátil debido a su capacidad para realizar operaciones condicionales sobre arrays y es muy adecuado para manipular datos.

Reemplazar elementos de un array NumPy

La función np.where() de NumPy permite reemplazar elementos de un array basándose en una condición. Puedes convertir listas Python en un array con np.array():

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

Ahora queremos definir una condición para identificar los elementos que son mayores de 3. Esto se hace mediante la creación de una máscara de condición que sea true para los elementos mayores de 3 y false en caso contrario:

condition = arr > 3

A continuación, utilizamos np.where() y especificamos esta condición. Los valores que coinciden con la condición se sustituyen por -1, mientras que todos los demás valores se sustituyen por 0:

new_arr = np.where(condition, -1, 0)

El resultado, new_arr, contiene el array modificado después de reemplazarlo según la condición. La salida mostrará que los valores mayores de 3 han sido reemplazados por -1, mientras que los otros valores han sido reemplazados por 0:

print(new_arr)

Utilizar np.where() con una sola condición

Si numpy.where() solo se utiliza con una condición y sin especificar valores de sustitución, devuelve una tupla de índices donde la condición es true.

import numpy as np 
arr = np.array([1, 2, 3, 4, 5]) 
condition = arr > 2 
result = np.where(condition) 
print(result) 
# Output: (array([2, 3, 4]))

En este ejemplo, arr es un array NumPy que contiene valores de 1 a 5. Con condition = arr > 2 se crea una máscara booleana que identifica los elementos de arr que son mayores de 2. Se llama np.where(condition) sin especificar valores de sustitución. Esto devolverá una tupla de índices donde la condición arr > 2 es verdadera. La salida será un array de índices donde los elementos de arr son mayores de 2.

Broadcasting con np.where()

La transmisión en NumPy permite realizar operaciones entre arrays con formas diferentes siempre que se cumplan ciertas reglas. Si los arrays tienen formas diferentes, NumPy intenta ampliarlas para que sean compatibles.

Supongamos que tenemos un array NumPy arr con la forma (3, 3):

import numpy as np 
arr = np.array([[1, 2, 3], 
    [4, 5, 6], 
    [7, 8, 9]])

Y tenemos otro array NumPy row con la forma (3,):

row = np.array([10, 11, 12])

Aquí se muestra la forma de arr (3, 3) y la forma de row (3,). Aunque las formas no coinciden exactamente, la transmisión se puede utilizar para realizar una operación entre estos arrays.

Ahora queremos añadir los valores de cada fila de arr a los valores de row. Aquí es donde entra en juego la transmisión:

result = arr + row 
print(result) 
# Output: [11 13 15] 
    [14 16 18] 
    [17 19 21]

La row unidimensional se amplió a una matriz (3, 3) para que coincidiera con la forma de arr, repitiéndola en las filas. A continuación, los elementos de arr y row se suman elemento a elemento.