Numpy：找到范围内的元素

Question

我有一些数字，例如，

a = [1, 3, 5, 6, 9, 10, 14, 15, 56]  

我想找到特定范围内的所有元素。例如，如果范围是（6,10），答案应该是（3,4,5）。是否有内置函数来执行此操作？

Answer 1

您可以使用np.where获取索引，np.logical_and设置两个条件：

import numpy as np
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])

np.where(np.logical_and(a>=6, a<=10))
# returns (array([3, 4, 5]),)

Answer 2

在@ deinonychusaur的回复中，但更紧凑：

In [7]: np.where((a >= 6) & (a <=10))
Out[7]: (array([3, 4, 5]),)

Answer 3

我认为我会添加此内容，因为您提供的示例中的a已排序：

import numpy as np
a = [1, 3, 5, 6, 9, 10, 14, 15, 56] 
start = np.searchsorted(a, 6, 'left')
end = np.searchsorted(a, 10, 'right')
rng = np.arange(start, end)
rng
# array([3, 4, 5])

Answer 4

a = np.array([1,2,3,4,5,6,7,8,9])
b = a[(a>2) & (a<8)]

Answer 5

答案摘要

为了解最佳答案，我们可以使用其他解决方案进行一些计时。 不幸的是，这个问题的位置不好，所以有不同问题的答案，在这里我尝试将答案指向同一问题。给定数组：

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])

答案应该是在一定范围内的元素的索引，我们假设此范围包括6和10。

answer = (3, 4, 5)

对应于值6,9,10。

要测试最佳答案，我们可以使用此代码。

import timeit
setup = """
import numpy as np
import numexpr as ne

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
# we define the left and right limit
ll = 6
rl = 10

def sorted_slice(a,l,r):
    start = np.searchsorted(a, l, 'left')
    end = np.searchsorted(a, r, 'right')
    return np.arange(start,end)
"""

functions = ['sorted_slice(a,ll,rl)', # works only for sorted values
'np.where(np.logical_and(a>=ll, a<=rl))[0]',
'np.where((a >= ll) & (a <=rl))[0]',
'np.where((a>=ll)*(a<=rl))[0]',
'np.where(np.vectorize(lambda x: ll <= x <= rl)(a))[0]',
'np.argwhere((a>=ll) & (a<=rl)).T[0]', # we traspose for getting a single row
'np.where(ne.evaluate("(ll <= a) & (a <= rl)"))[0]',]

functions2 = [
   'a[np.logical_and(a>=ll, a<=rl)]',
   'a[(a>=ll) & (a<=rl)]',
   'a[(a>=ll)*(a<=rl)]',
   'a[np.vectorize(lambda x: ll <= x <= rl)(a)]',
   'a[ne.evaluate("(ll <= a) & (a <= rl)")]',
]

结果

结果记录在下图中。最重要的是最快的解决方案。 如果要提取索引值而不是索引，则可以使用functions2执行测试，但结果几乎相同。

Answer 6

此代码段返回两个值之间的numpy数组中的所有数字：

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56] )
a[(a>6)*(a<10)]

它的工作原理如下： （a> 6）返回具有True（1）和False（0）的numpy数组，（a＆lt; 10）也是如此。如果两个语句都为True（因为1x1 = 1）或False（因为0x0 = 0和1x0 = 0），则通过将这两个相乘得到一个带有True的数组。

a [...]部分返回数组a的所有值，其中括号内的数组返回True语句。

当然，你可以通过例如

来说明这一点

...*(1-a<10) 

类似于“和不”声明。

Answer 7

s=[52, 33, 70, 39, 57, 59, 7, 2, 46, 69, 11, 74, 58, 60, 63, 43, 75, 92, 65, 19, 1, 79, 22, 38, 26, 3, 66, 88, 9, 15, 28, 44, 67, 87, 21, 49, 85, 32, 89, 77, 47, 93, 35, 12, 73, 76, 50, 45, 5, 29, 97, 94, 95, 56, 48, 71, 54, 55, 51, 23, 84, 80, 62, 30, 13, 34]

dic={}

for i in range(0,len(s),10):
    dic[i,i+10]=list(filter(lambda x:((x>=i)&(x<i+10)),s))
print(dic)

for keys,values in dic.items():
    print(keys)
    print(values)

输出：

(0, 10)
[7, 2, 1, 3, 9, 5]
(20, 30)
[22, 26, 28, 21, 29, 23]
(30, 40)
[33, 39, 38, 32, 35, 30, 34]
(10, 20)
[11, 19, 15, 12, 13]
(40, 50)
[46, 43, 44, 49, 47, 45, 48]
(60, 70)
[69, 60, 63, 65, 66, 67, 62]
(50, 60)
[52, 57, 59, 58, 50, 56, 54, 55, 51]  

Answer 8

其他方法是：

np.vectorize(lambda x: 6 <= x <= 10)(a)

返回：

array([False, False, False,  True,  True,  True, False, False, False])

有时对于掩盖时间序列，向量等很有用。

Answer 9

想将numexpr添加到组合中：

import numpy as np
import numexpr as ne

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])  

np.where(ne.evaluate("(6 <= a) & (a <= 10)"))[0]
# array([3, 4, 5], dtype=int64)

仅对具有数百万个的较大阵列有意义，或者如果您达到内存限制。

Answer 10

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
np.argwhere((a>=6) & (a<=10))

Answer 11

这可能不是最漂亮的，但适用于任何维度

a = np.array([[-1,2], [1,5], [6,7], [5,2], [3,4], [0, 0], [-1,-1]])
ranges = (0,4), (0,4) 

def conditionRange(X : np.ndarray, ranges : list) -> np.ndarray:
    idx = set()
    for column, r in enumerate(ranges):
        tmp = np.where(np.logical_and(X[:, column] >= r[0], X[:, column] <= r[1]))[0]
        if idx:
            idx = idx & set(tmp)
        else:
            idx = set(tmp)
    idx = np.array(list(idx))
    return X[idx, :]

b = conditionRange(a, ranges)
print(b)

Answer 12

You can use np.clip() to achieve the same:

a = [1, 3, 5, 6, 9, 10, 14, 15, 56]  
np.clip(a,6,10)

However, it holds the values less than and greater than 6 and 10 respectively.