Supongamos que tenemos los datos de los alumnos almacenados en forma de matrices y queremos filtrar los alumnos reprobados. Simplemente filtraremos la matriz y excluiremos a los alumnos reprobados y se obtendrá una nueva matriz de los alumnos aprobados.
Pasos para filtrar una matriz NumPy
Paso 1: Importación del módulo NumPy.
Paso 2: Creando una matriz.
Paso 3: Añadir condición de filtrado.
Paso 4: Cree una nueva matriz filtrada.
Sintaxis:
Hay varias formas de filtrar matrices. Depende de la condición del filtro, como si tenemos solo una condición o tenemos más de una condición.
Método 1: para una condición seguiremos la siguiente sintaxis
formación [ formación < condición ]En la sintaxis mencionada anteriormente, 'matriz' es el nombre de la matriz de la que filtraremos los elementos. Y la condición será el estado sobre el que se filtran los elementos y el operador “<” es el signo matemático que representa menos que. Es eficiente usarlo cuando solo tenemos una condición o declaración.
Método 2: Uso del operador 'O'
formación [ ( formación < condición1 ) | ( formación > condición2 ) ]En este método, 'matriz' es el nombre de la matriz desde la que filtraremos los valores y se le pasa la condición. Operador “|” está acostumbrado a representar la función 'OR', lo que significa que de ambas condiciones una debe ser verdadera. Es útil cuando hay dos condiciones.
Método 3: Uso del operador 'Y'.
formación [ ( formación < condición1 ) & ( formación > condición2 ) ]En la siguiente sintaxis, 'matriz' es el nombre de la matriz que se va a filtrar. Considerando que, la condición será el estado como se describe en la sintaxis anterior, mientras que el operador utilizado '&' es el operador AND, lo que significa que ambas condiciones deben ser verdaderas.
Método 4: Filtrado por valores enumerados
formación [ p.ej. in1d ( formación , [ Lista de valores ] ) ]En este método, pasamos nuestra matriz definida 'np.in1d', que se usa para comparar dos matrices, ya sea que el elemento de la matriz que se va a filtrar esté presente en otra matriz o no. Y la matriz se pasa a la función np.in1d que se filtrará de 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 contendrá 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)]' a la declaración de impresión, lo que significa que estamos filtrando los valores que son menores que '5'. En la siguiente línea, creamos otro arreglo de nombre “arreglo” que se encarga de tener los valores “1”, “2”, “6”, “3”, “8”, “1” y “0”. A la declaración de impresión, le pasamos la condición de que imprimiremos los valores que son mayores que 5.
Por último, creamos otra matriz a la que llamamos 'arr'. Tiene 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 ello, pasamos la condición que filtrará el valor que sea igual al valor “5”.
importar entumecido como p.ej.mi_matriz = p.ej. formación ( [ 2 , 3 , 1 , 9 , 3 , 5 , 2 , 6 , 1 ] )
impresión ( 'valores menores que 5' , mi_matriz [ ( mi_matriz < 5 ) ] )
formación = p.ej. formación ( [ 1 , 2 , 6 , 3 , 8 , 1 , 0 ] )
impresión ( 'valores mayores que 5' , formación [ ( formación > 5 ) ] )
Arr = p.ej. formación ( [ 6 , 7 , 10 , 12 , 14 ] )
impresión ( 'valores iguales a 5' , Arr [ ( Arr == 5 ) ] )
Luego de ejecutar el código tenemos como resultado la siguiente salida, en la cual hemos desplegado las 3 salidas la primera es para los elementos menores a “5” en la segunda ejecución imprimimos los valores mayores a “5”. Al final, imprimimos el valor que no existe, ya que podemos ver que no muestra ningún error pero muestra la matriz vacía, lo que significa que el valor deseado no existe en la matriz dada.
Ejemplo # 02:
En este caso, usaremos 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 tenga valores '24', '3', '12', '9', '3', '5', “2”, “6” y “7”. En la siguiente línea, usamos una declaración de impresión a la que le hemos pasado una matriz que hemos inicializado con el nombre 'mi_matriz' con la condición como argumento. En esto, hemos pasado la condición o lo que significa que de ambos, una condición debe ser verdadera. Si ambos son verdaderos, mostrará los datos para ambas condiciones. En esta condición, queremos imprimir los valores menores a “5” y mayores a “9”. En la siguiente línea, usamos el operador AND para verificar qué sucederá si usamos una condición para filtrar la matriz. En esta condición, mostramos valores que son mayores que '5' y menores que '9'.
Importar número como p.ej.mi_matriz = p.ej. formación ( [ 24 , 3 , 12 , 9 , 3 , 5 , 2 , 6 , 7 ] )
impresión ( “Valores inferiores a 5 o mas grande que 9 ” , mi_matriz [ ( mi_matriz < 5 ) | ( mi_matriz > 9 ) ] )
impresión ( “valores mayores que 5 y menos que 9 ” , mi_matriz [ ( mi_matriz > 5 ) & ( mi_matriz < 9 ) ] )
Como se muestra en el fragmento a continuación, nuestro resultado para el código anterior se muestra en el que filtramos la matriz y obtuvimos el siguiente resultado. Como podemos ver, los valores mayores de 9 y menores de 5 se muestran en la primera salida y los valores entre 5 y 9 se desprecian. 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 proporciona el paquete NumPy. Hemos implementado múltiples ejemplos para elaborar para usted la mejor manera de implementar las metodologías de filtro proporcionadas por numpy.