【问题标题】：Numpy: find index of the elements within rangeNumpy：查找范围内元素的索引
【发布时间】：2012-12-01 21:26:30
【问题描述】：

我有一个 numpy 数组，例如，

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

我想查找特定范围内元素的所有索引。例如，如果范围是 (6, 10)，则答案应该是 (3, 4, 5)。有没有内置函数可以做到这一点？

【问题讨论】：

标签： python numpy

【解决方案1】：

您可以使用np.where 获取索引和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]),)

【讨论】：

顺便说一句，np.nonzero(np.logical_and(a>=6, a<=10)) 也是如此。
还有np.where((a > 6) & (a <= 10))
似乎不太适合多维数组
@ELinda np.logical_and 比 & 快一点。而且np.where 比np.nonzero 快。
一个不错的解决方案，因为它也适用于 pandas 数据框。语法相同，只需将a 更改为df

【解决方案2】：

正如@deinonychusaur 的回复，但更紧凑：

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

【讨论】：

不错。如果a 是一个numpy 数组，你也可以使用a[(a >= 6) & (a <= 10)]。
以防有人像我一样对评论的措辞感到困惑：这不适用于普通列表，只有当 a 是一个 numpy 数组时

【解决方案3】：

我想我会添加这个，因为您给出的示例中的 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])

【讨论】：

【解决方案4】：

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

【讨论】：

【解决方案5】：

答案总结

为了了解什么是最佳答案，我们可以使用不同的解决方案进行一些计时。不幸的是，这个问题没有很好地提出，所以有不同问题的答案，在这里我试图指出同一个问题的答案。给定数组：

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

答案应该是元素在一定范围内的索引，我们假设包括在内，在本例中为 6 和 10。

answer = (3, 4, 5)

对应值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])
# or test it with an array of the similar size
# a = np.random.rand(100)*23 # change the number to the an estimate of your array size.

# 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)")]',
]

rdict = {}
for i in functions:
    rdict[i] = timeit.timeit(i,setup=setup,number=1000)
    print("%s -> %s s" %(i,rdict[i]))

print("Sorted:")
for w in sorted(rdict, key=rdict.get):
    print(w, rdict[w])

结果

@EZLearner 指出，在下图中报告了一个小数组的结果（在顶部是最快的解决方案），它们可能会因数组的大小而异。 sorted slice 对于较大的数组可能更快，但它需要对数组进行排序，对于条目超过 10 M 的数组ne.evaluate 可能是一个选项。因此，使用与您的数组大小相同的数组执行此测试总是更好：

如果您想要提取值而不是索引，您可以使用函数执行测试2，但结果几乎相同。

【讨论】：

这些结果只适用于特定长度的数组（这里您选择了一个非常小的数组）。对于较大的数组，这些结果会迅速变化
@EZLearner 感谢您的反馈。我已经更新了答案。

【解决方案6】：

这段代码 sn-p 返回一个 numpy 数组中两个值之间的所有数字：

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) 返回一个带有 True (1) 和 False (0) 的 numpy 数组，(a

a[...] 部分返回数组 a 的所有值，其中括号之间的数组返回 True 语句。

当然，你可以通过说例如让这更复杂

...*(1-a<10)

类似于“and Not”语句。

【讨论】：

【解决方案7】：

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])

它有时对屏蔽时间序列、向量等很有用。

【讨论】：

【解决方案8】：

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

【讨论】：

【解决方案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)

仅适用于数百万的大型数组......或者如果您达到内存限制。

【讨论】：

【解决方案10】：

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)

【讨论】：

【解决方案11】：

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]

【讨论】：

【解决方案12】：

您可以使用np.clip() 来实现相同的效果：

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

但是，它分别保存小于和大于 6 和 10 的值。

【讨论】：