예를 들어, 숫자 배열이 많지 않습니다.

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

특정 범위 내에서 요소의 모든 인덱스를 찾고 싶습니다. 예를 들어 범위가 (6, 10)이면 답은 (3, 4, 5) 여야합니다. 이를 수행하는 내장 함수가 있습니까?

np.where인덱스를 가져오고 np.logical_and두 가지 조건을 설정 하는 데 사용할 수 있습니다 .

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]),)

@deinonychusaur의 회신에서와 같이 더 간결합니다.

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

나는 a당신이 준 예제에서 정렬되어 있기 때문에 이것을 추가 할 것이라고 생각했습니다 .

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])

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

답변 요약

가장 좋은 답변이 무엇인지 이해하기 위해 다른 솔루션을 사용하여 타이밍을 지정할 수 있습니다. 안타깝게도 질문이 잘 제시되지 않았기 때문에 다른 질문에 대한 답변이 있습니다. 여기서는 동일한 질문에 대한 답변을 지정하려고합니다. 주어진 배열 :

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

답은 특정 범위 사이에있는 요소 의 인덱스 여야하며, 이 경우에는 6과 10을 포함한다고 가정합니다.

answer = (3, 4, 5)

6,9,10 값에 해당합니다.

최상의 답변을 테스트하기 위해이 코드를 사용할 수 있습니다.

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)")]',
]

결과

결과는 다음 플롯에보고됩니다. 가장 빠른 솔루션. 인덱스 대신 값을 추출하려는 경우 functions2를 사용하여 테스트를 수행 할 수 있지만 결과는 거의 동일합니다.

이 코드 조각은 두 값 사이에있는 numpy 배열의 모든 숫자를 반환합니다.

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

다음과 같이 작동합니다 : (a> 6) True (1) 및 False (0)가있는 numpy 배열을 반환하므로 (a <10)도 마찬가지입니다. 두 문이 모두 True (1x1 = 1이기 때문에) 또는 False (0x0 = 0 및 1x0 = 0이기 때문에) 인 경우이 두 가지를 함께 곱하면 True가있는 배열을 얻을 수 있습니다.

a [...] 부분은 대괄호 사이의 배열이 True 문을 반환하는 배열 a의 모든 값을 반환합니다.

물론 예를 들어 다음과 같이 더 복잡하게 만들 수 있습니다.

...*(1-a<10) 

이것은 "and Not"문과 유사합니다.

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

다른 방법은 다음과 같습니다.

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

다음을 반환합니다.

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

때때로 시계열, 벡터 등을 마스킹하는 데 유용합니다.

numexpr 을 믹스 에 추가하고 싶었 습니다.

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)

수백만 개의 더 큰 어레이 또는 메모리 제한에 도달하는 경우에만 의미가 있습니다.

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)

산출:

(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]  

이것은 가장 예쁘지는 않지만 모든 차원에서 작동합니다.

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)

np.clip()동일한 결과를 얻기 위해 사용할 수 있습니다 .

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

그러나 각각 6과 10보다 작은 값과 큰 값을 보유합니다.