过滤表示状态的 Numpy 数组答案

【问题标题】：Filtering Numpy Array representing state过滤表示状态的 Numpy 数组
【发布时间】：2020-05-21 15:33:42
【问题描述】：

关于过滤 numpy 数组有各种问题，包括：

但我有一个稍微不同的问题：

>>> x = np.empty(shape=(5,), dtype=[('ts', 'i8'), ('data', 'i8')])
>>> x['ts'] = [0, 1, 2, 5, 6]
>>> x['data'] = [1, 2, 3, 4, 5]
>>> x
array([(0, 1), (1, 2), (2, 3), (5, 4), (6, 5)],
      dtype=[('ts', '<i8'), ('data', '<i8')])
>>> x[(x['ts'] > 2) & (x['ts'] < 4.9)]
array([], dtype=[('ts', '<i8'), ('data', '<i8')])
>>>

这正是我所期望的。但是，我需要过滤后的数组也包含5。除了使用for 或while 循环遍历数组的行并在匹配条件的最后一行之后包含索引的行之外，有没有其他方法可以过滤它？

【问题讨论】：

当你说你还需要包含“5”是什么意思？
@dumbPy 我需要基于ts 进行过滤，其中结束条件为ts == 5 的行。
好老的<= 5 有什么问题？ x[(x['ts'] > 2) & (x['ts'] <= 5)]
@dumbPy 如果你知道 5 是下一个 ts，那就什么都没有了。当我必须过滤时，我不知道 5 是下一个ts。我只知道最小值和最大值

标签： python numpy

【解决方案1】：

对于这种“正向后视”匹配问题，找不到内置的 numpy 解决方案。也许这样的事情会做：

idx_l = np.where(x['ts']<=2)[0]
idx_r = np.where(x['ts']>=4.9)[0]
x[idx_l[-1]+1:idx_r[0]+1]

防止IndexErroridx_l或idx_r为空：

idx = np.concatenate([idx_l[:], idx_r[1:]], axis=0)
np.delete(x, idx)

当过滤条件不返回任何可以从中获取偏移量的索引（包括边界值）时，这种方法可以解决问题。但是，由于np.where 被调用了两次，它会运行得更慢。

【讨论】：