たとえば、数字の配列がたくさんあります。

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

特定の範囲内の要素のすべてのインデックスを検索したいと思います。たとえば、範囲が（6、10）の場合、答えは（3、4、5）になります。これを行うための組み込み関数はありますか？

を使用np.whereして、インデックスを取得し、次のnp.logical_and2つの条件を設定できます。

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]),)

@deinonychusaurの返信と同じですが、さらにコンパクトです。

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

aあなたが与えた例ではソートされているので、これを追加すると思いました：

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)]

回答の要約

最良の答えを理解するために、別のソリューションを使用してタイミングをとることができます。残念ながら、質問は適切に設定されていなかったため、さまざまな質問に対する回答があります。ここでは、同じ質問に対する回答を示します。与えられた配列：

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

答えは、特定の範囲（この場合は6と10）を含むと想定する要素のインデックスである必要があります。

answer = (3, 4, 5)

値6、9、10に対応します。

最良の答えをテストするために、このコードを使用できます。

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)")]',
]

結果

結果は次のプロットで報告されます。最速のソリューション。 インデックスの代わりに値を抽出する場合は、functions2を使用してテストを実行できますが、結果はほぼ同じです。

このコードスニペットは、2つの値の間のnumpy配列内のすべての数値を返します。

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

これは次のように機能します。（a> 6）はTrue（1）とFalse（0）のnumpy配列を返し、（a <10）も返します。これら2つを乗算すると、両方のステートメントがTrue（1x1 = 1であるため）またはFalse（0x0 = 0および1x0 = 0であるため）の場合にTrueのいずれかを持つ配列が得られます。

部分a [...]は、配列aのすべての値を返します。ここで、角かっこで囲まれた配列はTrueステートメントを返します。

もちろん、たとえば言うことでこれをより複雑にすることができます

...*(1-a<10) 

これは「andNot」ステートメントに似ています。

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

numexprをミックスに追加したかった：

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)

数百万の大きなアレイの場合、またはメモリ制限に達した場合にのみ意味があります。

他の方法は次のとおりです。

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

これは次を返します：

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

時系列やベクトルなどをマスキングするのに役立つ場合があります。

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)

出力：

(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]  

これは最も美しいとは言えないかもしれませんが、どの次元でも機能します

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)

あなたnp.clip()は同じことを達成するために使用することができます：

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

ただし、それぞれ6未満と10より大きい値を保持します。