参考链接： Python中的numpy.place
注意： df1.where(cond,df2) 等价于 np.where(cond, df1, df2)
1. pandas.DataFrame.where
DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, try_cast=False, raise_on_error=True) 功能：按条件查找替换，cond 为 True 则 self 值保持不变；False 改为参数 other 对应的值。结果返回与 self 相同的对象。 参数： cond 查找条件 other cond为False时要替换的值 inplace 是否在原数据上操作
>>> import numpy as np
>>> import pandas as pd
>>> data = pd.DataFrame(np.arange(12).reshape(3,4),columns=['a','b','c','d'])
>>> data
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
>>> data.where(data['a']>3, 3.0)
a b c d
0 3 3 3 3
1 4 5 6 7
2 8 9 10 11
2.numpy.where
声明： 首先强调一下，where()函数对于不同的输入，返回值是不同的。
当数组是一维数组时，返回的值是一维的索引，所以只有一组索引数组 当数组是多维数组时，满足条件的数组值返回的是值的位置索引，因此会有两组索引数组来表示值的位置。
>>> import numpy as np
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.where(a>5)
(array([6, 7, 8, 9], dtype=int64),)
>>> b = np.arange(20).reshape(4,5)
>>> b
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
>>> np.where(b>10)
(array([2, 2, 2, 2, 3, 3, 3, 3, 3], dtype=int64), array([1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))
具体实现
numpy.where(condition[, x, y]) 功能： 参数： condition： 判定条件，如果True，选择 x；False，选择y（数据类型为数组，bool 值）x,y（可选）： x 和 y 的 shape 必须和 condition 相同（可以采用 broadcast，广播机制） ①如果参数有condition，x和y，它们三个参数的shape是相同的。那么，当condition中的值是true时返回x对应位置的值，false是返回y的。 ②如果参数只有condition的话，返回值是condition中元素值为true的位置索引，且是以元组形式返回，元组的元素是ndarray数组，表示位置的索引
>>> np.where([[True, False], [True, True]], # 官网例子
... [[1, 2], [3, 4]],
... [[9, 8], [7, 6]])
array([[1, 8],
[3, 4]])
>>> x = np.arange(9).reshape(3, 3)
>>> np.where(x>5) # ndarray 数组分别表示对应的 行和列
(array([2, 2, 2], dtype=int64), array([0, 1, 2], dtype=int64))
https://www.cnblogs.com/zz22–/p/8654395.html
