نمایه سازی با آرایه‌ها NumPy

در بخش قبل با استفاده از عملگر‌های مقایسه‌ای روی آرایه‌ها، با آرایه‌های بولی آشنا شدیم و سپس روی آرایه‌های بولی توابعی اعمال کردیم مثل sum و count_nonzero. در این جلسه می‌خواهیم با کاربرد‌های دیگر آرایه‌های بولی آشنا شویم. در واقع به کمک آرایه‌های بولی می‌توانیم به عناصری از آرایه اصلی که ویژگی‌های خاصی دارند دسترسی پیدا کنیم.

بار دیگر نگاهی به آرایه‌ای که شامل نمرات 4 درس 4 دانش‌آموز بود نگاه کنیم.

nomarat = np.array([[20, 15, 16, 10],
                    [13, 17, 18, 11],
                    [10, 12, 14, 18],
                    [19, 15, 17, 19]])
print(nomarat)

خروجی کد:

[[20 15 16 10]
 [13 17 18 11]
 [10 12 14 18]
 [19 15 17 19]]

حال بیایید با استفاده از عملگر‌های مقایسه‌ای و منطقی جاهایی که نمره بالا مساوی 15 و کمتر مساوی 18 است را پیدا کنیم. برای این منظور داریم:

print((nomarat >= 15) & (nomarat <= 18))

خروجی کد:

[[False  True  True False]
 [False  True  True False]
 [False False False  True]
 [False  True  True False]]

نتیجه طبق انتظار ما یک آرایه بولی (True و False) است. هر جا که مقدار True وجود دارد به معنای این است که آن خانه شرایط نوشته شده را دارد و هر جا که False است به این معناست که آن خانه شرایط نوشته شده را ندارد. اما خواسته ما خود خانه‌هایی بود که شرایط ما را داشتند. به عبارت دیگر ما به دنبال مقدار نمراتی هستیم که در شرایط نوشته شده صدق می‌کند برای این منظور باید شرط نوشته شده را درون [ ] همراه نام آرایه قبل آن قرار دهیم. پس داریم:

print(nomarat[(nomarat >= 15) & (nomarat <= 18)])

خروجی کد:

[15 16 17 18 18 15 17]

پس به طور کلی می‌توانیم درون [ ] جلوی نام آرایه، یک آرایه بولی هم شکل آرایه اصلی قرار دهیم. نتیجه این کار، یک آرایه یک بُعدی شامل عناصری از آرایه اصلی است که خانه متناظرشان در آرایه بولی مقدار True داشته باشد. به این کار اصطلاحاً ماسک کردن (Masking) هم می‌گویند. بدین ترتیب، به کمک این نوع از نمایه سازی به سادگی زیر مجموعه مورد نظرمان را از آرایه اصلی استخراج می‌کنیم. چند مثال دیگر ببینیم.

در زیر می‌خواهیم میانگین نمراتی که بالا مساوی 17 هستند و همچنین میانه نمرات بین 10 تا 15 را محاسبه کنیم داریم.

nomarat = np.array([[20, 15, 16, 10],
                    [13, 17, 18, 11],
                    [10, 12, 14, 18],
                    [19, 15, 17, 19]])
print('nomarat:')
print(nomarat)
print('nomarat >= 17:')
print(nomarat[nomarat >= 17])
print('mean:')
print(np.mean(nomarat[nomarat >= 17]))
print('nomarat > 10 & nomarat < 15:')
print(nomarat[(nomarat > 10) & (nomarat < 15)])
print('median:')
print(np.median(nomarat[(nomarat > 10) & (nomarat < 15)]))

خروجی کد:

nomarat:
[[20 15 16 10]
 [13 17 18 11]
 [10 12 14 18]
 [19 15 17 19]]
nomarat >= 17:
[20 17 18 18 19 17 19]
mean:
18.285714285714285
nomarat > 10 & nomarat < 15:
[13 11 12 14]
median:
12.5

در کد بالا ابتدا خود آرایه را چاپ کردیم. سپس زیر بخشی که نمرات بزرگتر مساوی 17 دارد را چاپ کردیم و در نهایت میانگین این زیر بخش را حساب کردیم. در ادامه زیر بخشی که نمرات بین 10 تا 15 دارد را چاپ کردیم و در ادامه میانه این بخش را چاپ کردیم.