ฉันมีอาร์เรย์ของตัวเลขจำนวนหนึ่งตัวอย่างเช่น

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

ฉันต้องการค้นหาดัชนีทั้งหมดขององค์ประกอบภายในช่วงเฉพาะ ตัวอย่างเช่นถ้าช่วงคือ (6, 10) คำตอบควรเป็น (3, 4, 5) มีฟังก์ชันในตัวสำหรับทำสิ่งนี้หรือไม่?

คุณสามารถใช้np.whereเพื่อรับดัชนีและnp.logical_andกำหนดเงื่อนไขสองเงื่อนไข:

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]),)

เช่นเดียวกับในการตอบกลับของ @ deinonychusaur แต่กะทัดรัดยิ่งขึ้น:

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

ฉันคิดว่าฉันจะเพิ่มสิ่งนี้เพราะaในตัวอย่างที่คุณให้มานั้นเรียงลำดับ:

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)]

สรุปคำตอบ

เพื่อให้เข้าใจว่าอะไรคือคำตอบที่ดีที่สุดเราสามารถกำหนดเวลาโดยใช้วิธีแก้ปัญหาที่แตกต่างกัน น่าเสียดายที่คำถามไม่ได้รับการจัดวางอย่างดีจึงมีคำตอบสำหรับคำถามที่แตกต่างกันฉันพยายามชี้คำตอบสำหรับคำถามเดียวกัน รับอาร์เรย์:

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

คำตอบควรเป็นดัชนีขององค์ประกอบระหว่างช่วงหนึ่งซึ่งเราถือว่ารวมไว้ในกรณีนี้คือ 6 และ 10

answer = (3, 4, 5)

สอดคล้องกับค่า 6,9,10

เพื่อทดสอบคำตอบที่ดีที่สุดเราสามารถใช้รหัสนี้

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)")]',
]

ผล

ผลลัพธ์จะถูกรายงานในพล็อตต่อไปนี้ ด้านบนเป็นโซลูชันที่เร็วที่สุด หากคุณต้องการแยกค่าแทนดัชนีคุณสามารถทำการทดสอบโดยใช้ฟังก์ชัน 2 แต่ผลลัพธ์เกือบจะเหมือนกัน

ข้อมูลโค้ดนี้ส่งคืนตัวเลขทั้งหมดในอาร์เรย์ตัวเลขระหว่างค่าสองค่า:

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

ทำงานดังต่อไปนี้: (a> 6) ส่งคืนอาร์เรย์จำนวนนับด้วย True (1) และ False (0) เช่นเดียวกัน (a <10) การคูณสองสิ่งนี้เข้าด้วยกันคุณจะได้อาร์เรย์ที่มี True ถ้าทั้งสองคำสั่งเป็น True (เพราะ 1x1 = 1) หรือ False (เพราะ 0x0 = 0 และ 1x0 = 0)

ส่วน a [... ] จะส่งกลับค่าทั้งหมดของอาร์เรย์ a โดยที่อาร์เรย์ระหว่างวงเล็บจะส่งกลับคำสั่ง True

แน่นอนว่าคุณสามารถทำให้ซับซ้อนขึ้นได้โดยการพูดเช่น

...*(1-a<10) 

ซึ่งคล้ายกับคำสั่ง "และไม่ใช่"

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

วิธีอื่นคือ:

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

ซึ่งส่งคืน:

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

บางครั้งก็มีประโยชน์สำหรับการกำบังอนุกรมเวลาเวกเตอร์ ฯลฯ

ต้องการเพิ่มnumexprลงในส่วนผสม:

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)

จะเหมาะสมสำหรับอาร์เรย์ขนาดใหญ่ที่มีจำนวนนับล้าน ... หรือถ้าคุณใช้งานหน่วยความจำได้เกินขีด จำกัด

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)

เอาท์พุต:

(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]  

นี่อาจไม่ใช่สิ่งที่สวยที่สุด แต่ใช้ได้กับทุกมิติ

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)

คุณสามารถใช้np.clip()เพื่อให้บรรลุสิ่งเดียวกัน:

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

อย่างไรก็ตามจะมีค่าน้อยกว่าและมากกว่า 6 และ 10 ตามลำดับ