У меня есть массив номеров, например,
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
Я хотел бы найти все элементы в определенном диапазоне. Например, если диапазон (6, 10), ответ должен быть (3, 4, 5). Есть ли встроенная функция для этого?
У меня есть массив номеров, например,
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
Я хотел бы найти все элементы в определенном диапазоне. Например, если диапазон (6, 10), ответ должен быть (3, 4, 5). Есть ли встроенная функция для этого?
Вы можете использовать np.where
для получения индексов и np.logical_and
для установки двух условий:
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]),)
Как и в @deinonychusaur, ответ, но еще более компактный:
In [7]: np.where((a >= 6) & (a <=10))
Out[7]: (array([3, 4, 5]),)
Я думал, что добавлю это, потому что a
в приведенном примере отсортирован:
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)]
Этот фрагмент кода возвращает все числа в массиве numpy между двумя значениями:
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56] )
a[(a>6)*(a<10)]
Он работает следующим образом: (a > 6) возвращает массив numpy с True (1) и False (0), так что (a < 10). Перемножая эти два вместе, вы получаете массив с либо True, если оба оператора имеют значение True (потому что 1x1 = 1) или False (потому что 0x0 = 0 и 1x0 = 0).
Часть a [...] возвращает все значения массива a, где массив между скобками возвращает оператор True.
Конечно, вы можете сделать это более сложным, говоря, например,
...*(1-a<10)
который похож на оператор "и не".
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)
Выход:
(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]
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
np.argwhere((a>=6) & (a<=10))
Это может быть не самым красивым, но работает для любого измерения
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)
Вы можете использовать np.clip()
для достижения того же:
a = [1, 3, 5, 6, 9, 10, 14, 15, 56]
np.clip(a,6,10)
Однако он содержит значения меньше и больше 6 и 10 соответственно.