numpy函数np.around()、np.floor()、np.ceil()、np.where()介绍（清晰明白）
1. 功能简单介绍
np.around()函数用于返回五舍六入后的值，可指定精度。np.floor()函数用于以元素方式返回输入的下限。np.ceil()函数用于以元素方式返回输入的上限。np.where()函数根据 condition 从 x 和 y 中选择元素，当为 True 时，选 x，否则选 y。
2. 详细介绍
2.1.np.around
np.around(a, decimals=0, out=None )
对于正好在舍入小数值之间的值，NumPy舍入到最接近的偶数值。当超过5时候(不包含5)，才会进位！因此，1.5和2.5轮到2.0，-0.5和0.5轮到0.0等。
参数：
a ： array_like。输入数据。
decimals ： int，可选。要舍入的小数位数（默认值：0）。如果小数为负数，则指定小数点左侧的位置数。
out ： ndarray，可选。替代输出数组，用于放置结果。它必须具有与预期输出相同的形状，但如果需要，将输出输出值的类型。
返回：
rounded_array ： ndarray。与a相同类型的数组，包含舍入值。除非指定了out，否则将创建一个新数组。返回对结果的引用。复数的实部和虚部分别舍入。舍入浮点数的结果是浮点数。
- 例1.
>>> np.around([0.37, 1.64])
array([ 0., 2.])
>>> np.around([0.37, 1.64], decimals=1)
array([ 0.4, 1.6])
>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([ 0., 2., 2., 4., 4.])
>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1, 2, 3, 11])
>>> np.around([1,2,3,11], decimals=-1)
array([ 0, 0, 0, 10])
2.2. np.floor（）
np.floor(x, /, out=None, *, where=True,
casting='same_kind', order='K', dtype=None,
subok=True[, signature, extobj]) = <ufunc 'floor'>
参数：
x ： array_like。输入数据。
out ： ndarray，None或ndarray和None的元组，可选。存储结果的位置。如果提供，它必须具有输入广播的形状。如果未提供或None，则返回新分配的数组。元组（仅可作为关键字参数）的长度必须等于输出的数量。
where ： array_like，可选。值True表示计算该位置的ufunc，值False表示仅将值保留在输出中。
返回：
y ： ndarray或标量。x中每个元素的底限。如果x是标量，则这是标量。
- 例2
>>> a = np.array([-2.5, -1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.floor(a)
array([-3., -2., -2., -1., 0., 1., 1., 2.])
2.3. np.ceil（）
np.ceil(x, /, out=None, *, where=True,
casting='same_kind', order='K', dtype=None,
subok=True[, signature, extobj]) = <ufunc 'ceil'>
参数：
x ： array_like。输入数据。
out ： ndarray，None或ndarray和None的元组，可选。存储结果的位置。如果提供，它必须具有输入广播的形状。如果未提供或None，则返回新分配的数组。元组（仅可作为关键字参数）的长度必须等于输出的数量。
where ： array_like，可选。值True表示计算该位置的ufunc，值False表示仅将值保留在输出中。
返回：
y ： ndarray或标量。x中每个元素的上限，带floatdtype。如果x是标量，则这是标量。
- 例3
>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.ceil(a)
array([-1., -1., -0., 1., 2., 2., 2.])
2.4. np.where（）
np.where(condition,x,y)
如果只给出条件，则返回condition.nonzero()。
参数：
condition：array_like，bool。如果为True，则产生x，否则产生y。
x，y：array_like，可选。要从中选择的值。x，y和条件需要可以广播broadcastable到某种形状。
返回：
out：ndarray或ndarray元组。如果同时指定了x和y，则输出数组包含x的元素，其中condition为True，其他元素来自 y。如果只给出条件，则返回元组condition.nonzero()，条件为True 的索引。
- 例4
# 如果给出x和y并且输入数组是1-D，where则相当于：
[xv if c else yv for (c,xv,yv) in zip(condition,x,y)]
- 例5
>>> np.where([[True, False], [True, True]],
... [[1, 2], [3, 4]],
... [[9, 8], [7, 6]])
array([[1, 8],
[3, 4]])
>>> np.where([[0, 1], [1, 0]])
(array([0, 1], dtype=int64), array([1, 0], dtype=int64))
- 例6
>>> x = np.arange(9.).reshape(3, 3)
>>> print(x)
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
>>> np.where( x > 5 )
(array([2, 2, 2]), array([0, 1, 2]))
>>> x[np.where( x > 3.0 )] # Note: result is 1D.
array([ 4., 5., 6., 7., 8.])
>>> np.where(x < 5, x, -1) # Note: broadcasting.
array([[ 0., 1., 2.],
[ 3., 4., -1.],
[-1., -1., -1.]])
>>> goodvalues = [3, 4, 7]
>>> ix = np.isin(x, goodvalues)
>>> ix
array([[False, False, False],
[ True, True, False],
[False, True, False]])
>>> np.where(ix)
(array([1, 1, 2]), array([0, 1, 1]))