极客笔记Numpy中 where 函数的使用差异
在本文中，我们将介绍使用 Numpy 中where 函数时，当条件是 None 的情况下，使用 condition is None 和 condition None 会出现什么差别。
阅读更多：Numpy 教程
Numpy 中的 where 函数
Numpy 中的 where 函数是一个非常方便、强大的函数，可以在不使用循环的情况下，根据条件快速得到数据的子集。它的用法如下：
numpy.where(condition[, x, y])
其中，condition 表示条件，x 和 y 分别表示满足条件和不满足条件的情况下需要返回的值。
下面是一个简单的示例：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
condition = arr > 2
print(np.where(condition, arr, 0))
输出结果为：
[0 0 3 4 5]
这个结果非常简单明了，它表示当 arr 中的元素大于2时，返回 arr 中的元素，否则返回0。
condition is None 和 condition None 的差别
现在，让我们来考虑当条件为 None 时，condition is None 和 condition None 的差别。
首先，让我们看一下 condition is None 的情况。我们使用下面的代码进行测试：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
condition = None
print(np.where(condition is None, arr, 0))
输出结果为：
[1 2 3 4 5]
结果是我们所期望的。当条件是 None 时，使用 condition is None 能够得到我们的期望值，即返回原来的数组。
但是，当我们使用 condition None 时，情况就不一样了。我们使用下面的代码进行测试：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
condition = None
print(np.where(condition == None, arr, 0))
输出结果为：
[0 0 0 0 0]
这个结果肯定不是我们想要的。虽然 condition None 和 condition is None 看上去似乎是等价的，但在 numpy 中它们是不同的。
这是因为当我们使用 condition None 时，python 会使用函数 eq 进行比较。在 Numpy 中，当比较 None 和数组时，所有的元素都会变成 False。因此，当我们使用 condition None 时，返回的是所有元素都为 0 的数组。
更多示例
接下来，我们来看一些更加详细的示例。
示例 1：传统的 if-else 语句
假设我们有一个数组 arr，如果数组的元素大于 2 则将其乘以 2，否则将其变为 0。如果使用传统的 if-else 语句，可以使用下面的代码：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
new_arr = []
for i in arr:
if i > 2:
new_arr.append(i * 2)
else:
new_arr.append(0)
print(new_arr)
输出结果为：
[0, 0, 6, 8, 10]
这里我们使用了循环，效率不高。我们可以使用 where 函数来代替循环，代码如下：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
condition = arr > 2
print(np.where(condition, arr * 2, 0))
输出结果为：
[0 0 6 8 10]
代码更加简洁，效率更高。
示例 2：处理缺失值
在数据处理的过程中，经常会遇到缺失值的情况。可以使用 Numpy 中的 where 函数来方便地处理缺失值。
假设我们有一个数组 arr，其中有一些元素的值为 None，我们需要将这些元素的值替换为 0。如果使用传统的 if-else 语句，可以使用下面的代码：
import numpy as np
arr = np.array([1, None, 3, 4, None])
new_arr = []
for i in arr:
if i is None:
new_arr.append(0)
else:
new_arr.append(i)
print(new_arr)
输出结果为：
[1, 0, 3, 4, 0]
同样地，这里我们使用了循环。我们可以使用 where 函数来代替循环，代码如下：
import numpy as np
arr = np.array([1, None, 3, 4, None])
condition = arr is None
print(np.where(condition, 0, arr))
输出结果为：
[1 0 3 4 0]
代码更加简洁，效率更高。
总结
在 Numpy 中使用 where 函数时，要注意 condition is None 和 condition None 的差异。如果条件是 None，应该使用 condition is None 来判断条件，而不是 condition None。对于一些常见的处理，如缺失值的处理，使用 where 函数可以使代码更加简洁，效率更高。