NumPy online ausführen

NumPy-Arrays mit Bedingungen filtern

In dieser Lektion filterst du mit Boolean Indexing die Elemente eines NumPy-Arrays heraus, die eine Bedingung erfüllen.

  • Fortgeschritten
  • 2 Min. Lesezeit
  • 1 ausführbares Beispiel

Einführung

Das Problem

Die Werte auszuwählen, die dich interessieren, etwa bestandene Prüfungen, Preise unter einer Grenze oder Temperaturen über null, gehört zu den häufigsten Datenaufgaben. Mit NumPy brauchst du keine Schleife: Eine Bedingung wählt die Werte für dich aus.

Stell es dir so vor

Boolesches Filtern ist, als würdest du eine Schablone über eine Zahlenreihe halten. Die Bedingung schneidet über jedem Wert, der sie erfüllt, ein Loch aus. Wenn du durch die Schablone schaust, siehst du nur diese Werte.

Von der Schablone zum Code
scores >= 80✂️ Über jeder bestandenen Punktzahl ein Loch ausschneiden
[False, True, True, False, True]🕳️ Die Schablone: Löcher, wo True steht
scores[scores >= 80]👀 Durch die Löcher schauen
passing📋 [82 91 88]
Eine True/False-Maske wählt die Elemente aus, die bleiben.
In einem Satz

Boolesche Indizierung wählt Array-Elemente mit einer gleich geformten Maske aus True- und False-Werten aus und behält die Elemente, bei denen die Maske True ist.

Das Wichtigste

  1. scores >= 80 vergleicht jedes Element und liefert ein Array aus True und False.
  2. scores[scores >= 80] behält nur die Elemente, bei denen die Maske True ist.
  3. passing ist ein neues Array, [82 91 88]; scores bleibt unverändert.
  4. Die behaltenen Werte stehen in derselben Reihenfolge wie im ursprünglichen Array.

Wann verwendet man das?

  • Werte nach einer Bedingung auswählen: Ausreißer, gültige Messwerte, bestandene Prüfungen.
  • Treffer mit (scores >= 80).sum() zählen.
  • Werte ersetzen, die eine Bedingung erfüllen.

Wann du es nicht brauchst

  • Normale Python-Listen: Sie unterstützen keine Masken, nimm eine List Comprehension.
  • Beschriftete Tabellendaten: Filtern mit pandas behält Zeilenbeschriftungen und Spaltennamen.

Beispielcode

Code ausführen →
main.py
import numpy as np

scores = np.array([64, 82, 91, 73, 88])
passing = scores[scores >= 80]

print(passing)
Run-Button für dieses Beispiel erstellen

Ergebnis der Ausführung

[82 91 88]

Erklärung des Codes

Der Vergleich scores >= 80 erzeugt die Maske [False, True, True, False, True]. Setzt du die Maske in eckige Klammern, scores[...], bleiben nur die Punktzahlen ab 80 übrig: [82 91 88]. Um mehrere Bedingungen zu verknüpfen, verwendest du & (und) und | (oder) und setzt jede Bedingung in runde Klammern.

Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.

Übungen zur Vertiefung

Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.

  1. Ändere die Form (shape) und den Datentyp (dtype) des Eingabearrays.
  2. Teste mit negativen Zahlen, Kommazahlen und fehlenden Werten.
  3. Wende dieselbe Operation auf ein größeres mehrdimensionales Array an und miss die Laufzeit.
Im Python-Compiler ausführen →

Häufige Fehler

Bedingungen mit and verknüpfen

Pythons and funktioniert nicht mit Arrays; nimm & mit Klammern.

Problem
scores[scores >= 80 and scores < 90]
Lösung
scores[(scores >= 80) & (scores < 90)]

Lektion fertig?

Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.

Mit einer Challenge üben

Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.

Alle Challenges