np.where 学习，主要参考https://www.cnblogs.com/massquantity/p/8908859.html
一、numpy.where() 有两种用法：
1. np.where(condition, x, y)
aa = np.arange(10)
np.where(aa,1,-1)
array([-1, 1, 1, 1, 1, 1, 1, 1, 1, 1]) # 0为False，所以第一个输出-1
np.where(aa > 5,1,-1)
array([-1, -1, -1, -1, -1, -1, 1, 1, 1, 1])
np.where([[True,False], [True,True]],
[[1,2], [3,4]],[[9,8], [7,6]])
array([[1, 8],
[3, 4]])
2.np.where(condition)
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numpy.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.array([2,4,6,8,10])>>> np.where(a > 5) # 返回索引(array([2, 3, 4]),) >>> a[np.where(a > 5)] # 等价于 a[a>5]array([ 6, 8, 10])>>> np.where([[0, 1], [1, 0]])
(array([0, 1]), array([1, 0]))
复杂的例子：
>>> a = np.arange(27).reshape(3,3,3)>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])>>> np.where(a > 5)
(array([0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2]), #表示是第几个数组
array([2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2]), #数组的行
array([0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2])) #数组的列
# 符合条件的元素为
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]]
二、正太分布
np.random.standard_normal(hang,lie)
.mean()均值 std()标准差
三、伯努利分布
np.random.binormal(1,p)
