Làm thế nào để tôi chọn các phần tử của một điều kiện cho trước?

Giả sử tôi có một mảng NumPy x = [5, 2, 3, 1, 4, 5], y = ['f', 'o', 'o', 'b', 'a', 'r']. Tôi muốn chọn các phần tử ytương ứng với các phần tử xlớn hơn 1 và nhỏ hơn 5.

Tôi đã thử

x = array([5, 2, 3, 1, 4, 5])
y = array(['f','o','o','b','a','r'])
output = y[x > 1 & x < 5] # desired output is ['o','o','a']

nhưng điều này không làm việc. Làm thế nào tôi sẽ làm điều này?

Biểu thức của bạn hoạt động nếu bạn thêm dấu ngoặc đơn:

>>> y[(1 < x) & (x < 5)]
array(['o', 'o', 'a'], 
      dtype='|S1')

IMO OP không thực sự muốn np.bitwise_and()(aka &) nhưng thực sự muốn np.logical_and()vì họ đang so sánh các giá trị logic như Truevà False- xem bài đăng SO này trên logic so với bitwise để thấy sự khác biệt.

>>> x = array([5, 2, 3, 1, 4, 5])
>>> y = array(['f','o','o','b','a','r'])
>>> output = y[np.logical_and(x > 1, x < 5)] # desired output is ['o','o','a']
>>> output
array(['o', 'o', 'a'],
      dtype='|S1')

Và cách tương đương để làm điều này là bằng np.all()cách thiết lập axisđối số một cách thích hợp.

>>> output = y[np.all([x > 1, x < 5], axis=0)] # desired output is ['o','o','a']
>>> output
array(['o', 'o', 'a'],
      dtype='|S1')

Bởi các con số:

>>> %timeit (a < b) & (b < c)
The slowest run took 32.97 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 1.15 µs per loop

>>> %timeit np.logical_and(a < b, b < c)
The slowest run took 32.59 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 1.17 µs per loop

>>> %timeit np.all([a < b, b < c], 0)
The slowest run took 67.47 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 5.06 µs per loop

vì vậy sử dụng np.all()chậm hơn, nhưng& và logical_andlà như nhau.

Thêm một chi tiết vào câu trả lời của @JF Sebastian và @Mark Mikofski:
Nếu một người muốn có được các chỉ số tương ứng (thay vì các giá trị thực của mảng), đoạn mã sau sẽ thực hiện:

Để đáp ứng nhiều điều kiện (tất cả):

select_indices = np.where( np.logical_and( x > 1, x < 5) )[0] #   1 < x <5

Để đáp ứng nhiều điều kiện (hoặc):

select_indices = np.where( np.logical_or( x < 1, x > 5 ) )[0] # x <1 or x >5

Tôi thích sử dụng np.vectorizecho các nhiệm vụ như vậy. Hãy xem xét những điều sau đây:

>>> # Arrays
>>> x = np.array([5, 2, 3, 1, 4, 5])
>>> y = np.array(['f','o','o','b','a','r'])

>>> # Function containing the constraints
>>> func = np.vectorize(lambda t: t>1 and t<5)

>>> # Call function on x
>>> y[func(x)]
>>> array(['o', 'o', 'a'], dtype='<U1')

Ưu điểm là bạn có thể thêm nhiều loại ràng buộc hơn trong hàm vectơ.

Hy vọng nó giúp.

Thật ra tôi sẽ làm theo cách này:

L1 là danh sách chỉ mục của các yếu tố thỏa mãn điều kiện 1; (có thể bạn có thể sử dụng somelist.index(condition1)hoặc np.where(condition1)để lấy L1.)

Tương tự, bạn nhận được L2, một danh sách các yếu tố thỏa mãn điều kiện 2;

Sau đó, bạn tìm giao lộ bằng cách sử dụng intersect(L1,L2).

Bạn cũng có thể tìm thấy giao điểm của nhiều danh sách nếu bạn có nhiều điều kiện để đáp ứng.

Sau đó, bạn có thể áp dụng chỉ mục trong bất kỳ mảng nào khác, ví dụ: x.

Đối với mảng 2D, bạn có thể làm điều này. Tạo mặt nạ 2D bằng điều kiện. Kiểu chữ mặt nạ điều kiện thành int hoặc float, tùy thuộc vào mảng và nhân nó với mảng ban đầu.

In [8]: arr
Out[8]: 
array([[ 1.,  2.,  3.,  4.,  5.],
       [ 6.,  7.,  8.,  9., 10.]])

In [9]: arr*(arr % 2 == 0).astype(np.int) 
Out[9]: 
array([[ 0.,  2.,  0.,  4.,  0.],
       [ 6.,  0.,  8.,  0., 10.]])