R 的 which() 和 which.min() 在 Python 中等价答案

【问题标题】：R's which() and which.min() Equivalent in PythonR 的 which() 和 which.min() 在 Python 中等价
【发布时间】：2018-07-09 04:47:04
【问题描述】：

我阅读了类似的主题here。我认为问题有所不同，或者至少.index() 无法解决我的问题。

这是 R 中的一个简单代码及其答案：

x <- c(1:4, 0:5, 11)
x
#[1]  1  2  3  4  0  1  2  3  4  5 11
which(x==2)
# [1] 2 7
min(which(x==2))
# [1] 2
which.min(x)
#[1] 5

它只是返回满足条件的项目的索引。

如果x 是Python 的输入，我怎样才能得到满足条件x==2 和数组which.min 中最小的元素的索引。

x = [1,2,3,4,0,1,2,3,4,11] 
x=np.array(x)
x[x>2].index()
##'numpy.ndarray' object has no attribute 'index'

【问题讨论】：

标签： python r numpy

【解决方案1】：

一个简单的循环就可以了：

res = []
x = [1,2,3,4,0,1,2,3,4,11] 
for i in range(len(x)):
    if check_condition(x[i]):
        res.append(i)

一个理解的班轮：

res = [i for i, v in enumerate(x) if check_condition(v)]

你有一个live example

【讨论】：

所以没有办法代替循环？内置函数？
没有内置的python，可能是numpy中的东西

【解决方案2】：

Numpy 确实有它的内置函数

x = [1,2,3,4,0,1,2,3,4,11] 
x=np.array(x)
np.where(x == 2)
np.min(np.where(x==2))
np.argmin(x)

np.where(x == 2)
Out[9]: (array([1, 6], dtype=int64),)

np.min(np.where(x==2))
Out[10]: 1

np.argmin(x)
Out[11]: 4

【讨论】：

【解决方案3】：

您也可以使用heapq 来查找最小的索引。然后您可以选择查找多个（例如 2 个最小的索引）。

import heapq

x = np.array([1,2,3,4,0,1,2,3,4,11]) 

heapq.nsmallest(2, (range(len(x))), x.take)

返回 [4, 0]

【讨论】：

【解决方案4】：

NumPy for R 在 Python 中为您提供了一堆 R 功能。

关于您的具体问题：

import numpy as np
x = [1,2,3,4,0,1,2,3,4,11] 
arr = np.array(x)
print(arr)
# [ 1  2  3  4  0  1  2  3  4 11]

print(arr.argmin(0)) # R's which.min()
# 4

print((arr==2).nonzero()) # R's which()
# (array([1, 6]),)

【讨论】：

例如，如果你有一个 3x3 矩阵，你会怎么做？我喜欢你对 R 和 Python 的比较，这对于 R 专家的用户非常有用，但像我这样的 Python 初学者用户非常有用

【解决方案5】：

基于python索引和numpy的方法，根据最小/最大值的索引返回所需列的值

df.iloc[np.argmin(df['column1'].values)]['column2']

【讨论】：

谢谢。它适用于 pandas.DataFrame。我的例子是一个简单的数组。

【解决方案6】：

内置的index函数可用于此目的：

x = [1,2,3,4,0,1,2,3,4,11] 
print(x.index(min(x)))
#4
print(x.index(max(x)))
#9

但是，对于基于条件的索引，np.where 或手动循环和enumerate 可能会起作用：

index_greater_than_two1 = [idx for idx, val in enumerate(x) if val>2]
print(index_greater_than_two1)
# [2, 3, 7, 8, 9]

# OR

index_greater_than_two2 = np.where(np.array(x)>2)
print(index_greater_than_two2)
# (array([2, 3, 7, 8, 9], dtype=int64),)

【讨论】：