tf.where与np.where用法详解

np.where(condition, [x, y])有两种用法：

1.Return elements chosen from x or y depending on condition.
(即满足条件(condition)，输出x，不满足输出y)

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> # 数组中小于5的元素留下，大于等于5的元素变为原来的10倍
>>> np.where(a < 5, a, 10*a)
array([ 0,  1,  2,  3,  4, 50, 60, 70, 80, 90])

---

2.When only condition is provided, this function is a shorthand for np.asarray(condition).nonzero().

(只有条件 condition，没有x和y，则输出满足条件(即非0)元素的坐标 (等价于np.asarray(condition).nonzero())。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。)

>>> a = np.arange(1, 13)
>>> a
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])
>>> np.where(a > 5)
(array([ 5,  6,  7,  8,  9, 10, 11]),)
>>> # 可以看出是以元组的形式返回满足条件的元素的索引(也就是坐标)

再来一个二维的例子:

>>> a = np.arange(0, 12).reshape(3, 4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> np.where(a > 6)
(array([1, 2, 2, 2, 2]), array([3, 0, 1, 2, 3]))
>>> # 可以看到，返回的元组里有两个元组，分别对应着每个满足条件的行索引和列索引(即坐标)

---

而tf.where(condition, x=None, y=None, name=None)用法与np.where(condition, [x, y])大体相同

小区别呢，也有：

• 传入值不同，一个传入tensor, 一个传入ndarray
• 返回值不同，一个返回tensor, 一个返回ndarray (废话[滑稽])
• tf.where还有个参数name，意思是: The name of the operation (optional).，就是该操作的名字，一般会在tensorboard中才会用到，小白可以先不用管

参考链接：
Numpy文档：https://www.numpy.org.cn/reference/
tensorflow文档：https://www.tensorflow.org/api_docs/python/