Python

Numpy básico: encontrar la posición de un elemento en un Array de Numpy

Hace unos días se explicó cómo crear Array de Numpy a partir de otros objetos de Python. En esta ocasión se va a ver cómo encontrar la posición de un elemento buscnao el valor en un Array de Numpy. Lo que se hará mediante la función np.where().

La función np.where()

La función np.where() devuelve una tupla con la posición del los elementos diferentes de cero de objetos np.array u otros que puedan contener un vector como listas o tuplas. En el caso de que el tipo de dato del objeto sea lógico devuelve la posición de los elementos verdaderos. Lo que se puede ver en el siguiente ejemplo

import numpy as np

np_array = np.array((True, False, True, False))
np.where(np_array)
(array([0, 2]),)

Obteniéndose una tupla con los valores 0 y 2, aquellos índices en los que se encuentra el valor True.

Encontrar la posición de un elemento en un Array de Numpy

Esta función se puede utilizar para localizar la posición de los elementos dentro de un objetos np.array, simplemente escribiendo una operación lógica e inyectando el resultado a esta función. Así para localizar el registro que tiene un valor dentro de un Array de Numpy se puede escribir:

import numpy as np

np_array = np.array((1, 5, 9, 3, 7, 2, 0))
np.where(np_array == 5)
(array([1]),)

En este ejemplo se ha importado Numpy, creado un Array de Numpy y posteriormente se ha buscado la posición de los elementos con valor 5. Obteniéndose una tupla con el valor 1, el índice en el que se encuentra el elemento buscado. Lo que se puede comprobar con el siguiente código.

np_array[np.where(np_array == 5)]
array([5])

Cuando el elemento buscado no se existe

En el caso de que el elemento buscado no exista se obtendrá como respuesta de la función una tupla vacía.

np.where(np_array == 25)
(array([], dtype=int64),)

Obtención de los elementos en una matriz

La función np.where() también se puede utilizar para localizar la posición de los elementos en una matriz. La única diferencia es que en este caso devolverá una tupla con las dos coordenadas. Por ejemplo, al crear una matriz se puede buscar la posición de un elemento.

np_array = np.array(((1, 5), (9, 3), (7, 2)))
print(np_array)

np.where(np_array == 5)
[[1 5]
 [9 3]
 [7 2]]

(array([0]), array([1]))

Otros usos buscar máximos y mínimos

Al comprender el funcionamiento de la función np.where() se puede utilizar para buscar la posición de otros elementos como son los máximos, mínimos o cualquier otra condición más compleja. Para ello solamente se ha de comparar el array con un valor calculado y utiliza esto dentro de la función. Por ejemplo, para localizar el máximo se puede utilizar:

np_array = np.array((1, 5, 9, 3, 7, 2, 0))

np.where(max(np_array) == np_array)
array([9])

Conclusiones

En esta entrada se ha visto cómo se puede utilizar la función np.where() de Numpy para encontrar la posición de un elemento en un Array de Numpy. Una función básica, pero al mismo tiempo interesante ya que permite saber dónde se encuentra un valor dentro de un objeto. Algo que dentro de grandes conjuntos de datos puede no ser fácil encontrar.

Imágenes: Pixabay (Marit Welker)

¿Te ha parecido de utilidad el contenido?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez
Tags: NumPy

Recent Posts

Analytics Lane lanza ScoreFlow, un SaaS para construir y desplegar scorecards de crédito

En Analytics Lane seguimos evolucionando nuestras herramientas y damos un paso más con el lanzamiento…

3 días ago

DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

Cuando hablamos de clustering, lo primero que viene a la mente suele ser k-means. Pero…

4 días ago

El bestiario de los indicadores económicos absurdos: El zoo patrio

Cualquier país desarrollado tiene sus propios indicadores folclóricos. España, por motivos que tienen mucho que…

1 semana ago

Por qué el banco te ofrece un 3% TAE y no es lo que parece

Entras a la web de tu banco. En la página principal, un banner llamativo: “Depósito…

2 semanas ago

Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas

Seguimos ampliando el laboratorio de Analytics Lane con el lanzamiento de la versión 1.3, disponible…

2 semanas ago

This website uses cookies.