Boolean indexing dan fancy indexing

Idenya

Slicing memilih nilai berdasarkan posisi. Pertanyaan sungguhan memilih nilai berdasarkan kondisi: hari dengan lebih dari 60 order, produk di bawah Rp 100.000, bacaan sensor yang jelas-jelas rusak. NumPy melakukan ini dengan boolean mask: array berisi True/False, satu per elemen, yang menyatakan mana yang disimpan.

Begitulah persisnya filter pandas bekerja di balik layar: df[df["price"] > 100] juga sebuah boolean mask.

Mask

Misalkan kafe ingin tahu hari mana saja yang ramai, artinya lebih dari 60 order. Bandingkan seluruh array dengan 60, dan alih-alih satu True atau False, kamu mendapat satu jawaban per hari. Array berisi jawaban-jawaban itu disebut mask:

import numpy as np

daily_orders = np.array([42, 38, 51, 47, 60, 75, 68, 44, 39, 55, 49, 63, 80, 71])
busy = daily_orders > 60
print(busy)

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

Taruh mask di dalam kurung siku, dan kamu hanya mendapat nilai yang mask-nya True:

print(daily_orders[busy])
print(daily_orders[daily_orders < 40])

[75 68 63 80 71]
[38 39]

Biasanya kamu menulis kondisinya langsung di dalam kurung, seperti di baris kedua. Bacalah sebagai "daily orders di mana daily orders di bawah 40".

Menghitung dan mengukur dengan mask

True dihitung 1 dan False 0, jadi sum menghitung yang cocok dan mean memberi porsinya:

print((daily_orders > 60).sum())     # berapa hari yang ramai
print((daily_orders > 60).mean())    # porsi hari yang ramai

5
0.35714285714285715

.any() dan .all() menjawab pertanyaan ya/tidak: "apakah ada hari mana pun di bawah 40?", "apakah semua hari di atas 30?"

print((daily_orders < 40).any(), (daily_orders > 30).all())

True True

Menggabungkan kondisi: & | ~

Untuk menggabungkan mask, pakai & (dan), | (atau) dan ~ (bukan), dan bungkus setiap kondisi dengan tanda kurung:

weekend = np.array([False, False, False, False, False, True, True] * 2)
print(daily_orders[(daily_orders > 60) & ~weekend])   # hari kerja yang ramai

[63]

Kenapa bukan and / or? and milik Python bertanya "apakah keseluruhannya benar?", dan array berisi banyak boolean tidak punya satu jawaban:

print(daily_orders > 40 and daily_orders < 60)

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Dan kenapa tanda kurung? & mengikat lebih kuat daripada >, jadi daily_orders > 40 & daily_orders < 60 dibaca sebagai daily_orders > (40 & daily_orders) < 60, yang tidak masuk akal. Tanda kurung di setiap kondisi menghindari masalah ini sepenuhnya.

Mengubah nilai yang cocok

Mask di sisi kiri = hanya mengubah elemen yang cocok. Data bergaya sensor sering punya bacaan yang mustahil; di sini dua hari tercatat negatif karena proses import yang rusak:

orders = np.array([42, -1, 51, 47, -1, 75, 68])
orders[orders < 0] = 0
print(orders)

[42  0 51 47  0 75 68]

np.where: memilih per elemen

np.where(condition, if_true, if_false) membangun array baru, memilih dari salah satu dari dua nilai (atau array) elemen demi elemen. Ini versi tervektorisasi dari if/else:

labels = np.where(daily_orders > 60, "busy", "normal")
print(labels)

bonus = np.where(daily_orders > 60, daily_orders * 0.1, 0)
print(bonus)

['normal' 'normal' 'normal' 'normal' 'normal' 'busy' 'busy' 'normal'
 'normal' 'normal' 'normal' 'busy' 'busy' 'busy']
[0.  0.  0.  0.  0.  7.5 6.8 0.  0.  0.  0.  6.3 8.  7.1]

Fancy indexing: list posisi

Berikan list (atau array) index untuk mengambil beberapa elemen sekaligus, dalam urutan apa pun:

products = np.array(["French Press", "Kettle", "Arabica", "Robusta", "Toraja"])
prices = np.array([185, 320, 95, 65, 110])
print(prices[[1, 4]])
print(products[[4, 0, 2]])

[320 110]
['Toraja' 'French Press' 'Arabica']

Ini paling bersinar bersama np.argsort, yang mengembalikan posisi yang akan mengurutkan sebuah array. Pakai posisi itu untuk mengurutkan satu array berdasarkan array lain:

order = np.argsort(prices)[::-1]     # posisi dari yang termahal ke termurah
print(order)
print(products[order])
print(prices[order])

[1 0 4 2 3]
['Kettle' 'French Press' 'Toraja' 'Arabica' 'Robusta']
[320 185 110  95  65]

Karena products dan prices di-index dengan posisi yang sama, nama-nama tetap cocok dengan harganya. Itulah trik "urutkan berdasarkan kolom lain", gaya NumPy.

Mask di 2-D

Mask juga bekerja pada grid. Hasilnya diratakan menjadi 1-D, karena nilai-nilai yang cocok tidak membentuk persegi panjang:

units = np.array([
    [120, 135, 150, 160],
    [ 80,  85,  90,  88],
    [ 95,  92, 105, 110],
])
print(units[units > 100])

[120 135 150 160 105 110]

Untuk menyimpan baris utuh, bangun mask 1-D atas baris-barisnya, misalnya toko yang bulan pertamanya di atas 90:

print(units[units[:, 0] > 90])

[[120 135 150 160]
 [ 95  92 105 110]]

Mengapa ini penting untuk kode yang bersih

Mask yang diberi nama mengubah filter menjadi kalimat: busy = daily_orders > 60, lalu daily_orders[busy & ~weekend]. Lebih cepat daripada loop dengan if, dan terbaca seperti pertanyaan bisnisnya. Kebiasaan yang sama langsung terbawa ke pandas, di mana hampir setiap filter adalah mask.

Rangkuman

• Perbandingan menghasilkan boolean mask; a[mask] menyimpan posisi yang True.
• mask.sum() menghitung yang cocok, mask.mean() memberi porsinya; .any() / .all() menjawab ya/tidak.
• Gabungkan dengan &, |, ~ dan tanda kurung di setiap kondisi; jangan pernah and / or.
• a[mask] = value mengubah elemen yang cocok; np.where(cond, x, y) memilih per elemen.
• Fancy indexing: a[[i, j, k]]; np.argsort memberi posisi yang mengurutkan sebuah array.