我正在尝试通过以下方式处理一些数据：
我有一个2D范围边界数组和一个我想过滤的关联值列表。我想获取属于每个范围的过滤值的数量。
例如，考虑：
范围矩阵{{0,1},{1,4}};
以及值列表{5,10,16,5}。
每个边界对都有一个不同的过滤器。对于此示例，假定第一个边界对的过滤器为x ==5。这将给出索引为{0,3}的过滤后的数组，因为只有第0和第3个索引的值为5。使用此过滤后的数组，因为0落在[0,1）范围内，而3落在[1,4）范围内，但是此预测仅适用于第一个范围，我们要为[0,1）范围存储1。
接下来，如果我们为第二个范围过滤x == 10，则过滤后的索引数组将为{1}（因为10在索引1处）。由于1不在第二个范围内，因此我们要为[1,4）范围存储0。
最终结果将是（1,0）;换句话说，每个范围内满足条件的值的数量。
我不确定在NumPy中实现此目标的最佳方法是什么-我认为使用np.histogram（）会有所帮助，但是我不确定如何在多个条件下应用它。使用np.argwhere（），我可以获取映射。对于上面的示例，我得到了
{{0,0},
{0,3},
{1,1}}
其中第一列代表条件所属范围矩阵的行的索引，第二列代表满足条件的值列表中的索引。
numpy中是否有一个对场景有帮助的函数？