在 2D NumPy 数组中选择每列特定范围内的元素答案

【问题标题】：Select elements within certain range per column in a 2D NumPy array在 2D NumPy 数组中选择每列特定范围内的元素
【发布时间】：2016-12-23 13:27:03
【问题描述】：

我有一个 2D NumPy 数组，其中包含如下元素：

[[-10,  0]
 [-9,   1]
 [ 9,  -5]
 [-8,   6]
 [-7,  -5]
 [-7,  -6]
 [ 0, -10]]

我想只存储那些满足以下条件的元素：

第一列的值在范围内：-10 <= x <= 0

和

第二列的值在范围内：-9 <= y <= 1

选择后的数组应如下所示：

[[-10,  0]
 [-9,   1]     
 [-7,  -6]
 [-7,  -5]]

【问题讨论】：

查看np.logical_and()。
@Divakar 我如何将它用于二维数组？有没有一种方法我不必将 2d 数组拆分为 2 个数组然后应用 logical_and() ？
您不需要拆分，只需切片：a[:,0] 和 a[:,1]。
@Divakar 限制对于 x 和 y 来说是不同的，我只是为了这个例子而把它们放在一起。我将在问题中对其进行编辑。
对 col0 使用 (a[:,0]>=-10) & (a[:,0]<=0)，对 col1 使用类似的限制，然后对这两个掩码执行 AND 并使用布尔索引选择带有 [mask] 的 a 之外的行。跨度>

标签： python arrays performance numpy

【解决方案1】：

这是一种矢量化方法 -

In [78]: a   # Input array
Out[78]: 
array([[-10,   0],
       [ -9,   1],
       [  9,  -5],
       [ -8,   6],
       [ -7,  -5],
       [ -7,  -6],
       [  0, -10]])

In [79]: col0m = (a[:,0]>=-10) & (a[:,0]<=0) # Column-0 mask

In [80]: col1m = (a[:,1]>=-9) & (a[:,1]<=1) # Column-1 mask

In [81]: a[col0m & col1m] # AND of masks and then index into input array
Out[81]: 
array([[-10,   0],
       [ -9,   1],
       [ -7,  -5],
       [ -7,  -6]])

另一种方法-

In [99]: a    # Input array
Out[99]: 
array([[-10,   0],
       [ -9,   1],
       [  9,  -5],
       [ -8,   6],
       [ -7,  -5],
       [ -7,  -6],
       [  0, -10]])

In [100]: a[((a >= [-10, -9]) & (a <=[0, 1])).all(1)]
Out[100]: 
array([[-10,   0],
       [ -9,   1],
       [ -7,  -5],
       [ -7,  -6]])

【讨论】：

这比之前提出的方法还要好！ 数组大小 = 600 个元素的平均执行时间：previous approach = 0.000411225449045current approach = 0.000109511125017。很好的答案！谢谢：D
矢量化的方法比第二种方法略好。第二个的平均执行时间约为0.000142266684732。伙计，你真的知道你的东西吗？！ :D
@hulkinBrain 你的意思是第二种方法a[((a >= [-10, -9]) & (a <=[0, 1])).all(1)] 比第一种更好，对吧？
不，矢量化的比a[((a >= [-10, -9]) & (a <=[0, 1])).all(1)]好。尝试了 array size = 1200 的两种方法，矢量化比第二种方法有相当大的优势。 vectorized method: 0.0002024000257022nd approach: 0.000357377823159
@hulkinBrain 啊，是的，第一个是内存效率高的，因为它创建 1D 掩码而不是 2D 掩码，就像第二种方法一样，因此第一种方法的好处。不错！

【解决方案2】：

一个简单的迭代方法是：

data = [[-10,  0],
 [-9,   1],
 [ 9,  -5],
 [-8,   6],
 [-7,  -5],
 [-7,  -6],
 [ 0, -10]]

final = []
for outer_values in data:
    if -10 <= outer_values[0] <= 0 and  -9 <= outer_values[1] <= 1:
        final.append(outer_values)

输出：

[[-10, 0], [-9, 1], [-7, -5], [-7, -6]]

【讨论】：

是的，这太完美了！但我必须让@Divakar 占优势。该方法的执行速度比此方法稍快。我的计算将在云端实时完成，所以时间至关重要。接受我的投票 :D 谢谢伙计！这个的执行时间是：0.000515149271765s，他的方法是：0.000367504808572
是的，没问题。谢谢:)

【解决方案3】：

另一种方法是使用列表推导：

 data = [[-10,  0],
 [-9,   1],
 [ 9,  -5],
 [-8,   6],
 [-7,  -5],
 [-7,  -6],
 [ 0, -10]]

[x for x in data if -10 <= x[0] <= 0 and -9 <= x[1] <=1]

【讨论】：

是的，这也很好！但它的平均执行时间是：0.000490425459102s。 Divakar 的方法仍然更快。不过请接受我的投票！谢谢：D