Numpy array, 여러 조건을 만족하는 인덱스를 선택하는 방법은 무엇입니까?

Numpy array, 여러 조건을 만족하는 인덱스를 선택하는 방법은 무엇입니까?

---

내가 NumPy와 배열을 가정 x = [5, 2, 3, 1, 4, 5], y = ['f', 'o', 'o', 'b', 'a', 'r']. 1보다 크고 5보다 작은 요소에 y해당하는 요소를 선택하고 싶습니다 x.

나는 시도했다

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']

그러나 이것은 작동하지 않습니다. 어떻게해야합니까?

---

괄호를 추가하면 표현식이 작동합니다.

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

---

IMO 영업 이익은 실제로 원하지 않는다 np.bitwise_and()(일명 &) 실제로 원하는 np.logical_and()그들과 같은 논리 값 비교되기 때문에 True와 False-에 SO 게시물을 참조 비트 대 논리적 차이를 볼 수 있습니다.

>>> 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')

이와 동등한 방법 np.all()은 axis인수를 적절하게 설정하는 것 입니다.

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

숫자로 :

>>> %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

그래서 사용은 np.all()느리지 만 &과 logical_and거의 동일하다.

---

@JF Sebastian과 @Mark Mikofski의 답변에 세부 사항을 추가하십시오 :
배열의 실제 값이 아닌 해당 색인을 얻으려면 다음 코드가 수행됩니다.

여러 (모든) 조건을 만족시키는 경우 :

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

여러 조건을 만족시키는 경우 :

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

---

나는 np.vectorize그러한 작업 에 사용 하고 싶습니다 . 다음을 고려하세요:

>>> # 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')

벡터화 된 함수에 더 많은 유형의 구속 조건을 추가 할 수 있다는 장점이 있습니다.

도움이 되길 바랍니다.

---

실제로 나는 이렇게 할 것입니다 :

L1은 조건 1을 만족하는 요소의 색인 목록입니다. ( L1을 사용 somelist.index(condition1)하거나 np.where(condition1)얻을 수 있습니다 .)

마찬가지로 조건 2를 만족하는 요소 목록 인 L2를 얻습니다.

그런 다음을 사용하여 교차점을 찾습니다 intersect(L1,L2).

여러 조건을 만족하는 경우 여러 목록의 교차를 찾을 수도 있습니다.

Then you can apply index in any other array, for example, x.

---

For 2D arrays, you can do this. Create a 2D mask using the condition. Typecast the condition mask to int or float, depending on the array, and multiply it with the original array.

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.]])

참고URL : https://stackoverflow.com/questions/3030480/numpy-array-how-to-select-indices-satisfying-multiple-conditions