条件を指定して配列の要素を選択するにはどうすればよいですか？

私はnumpyの配列を持っていると仮定しx = [5, 2, 3, 1, 4, 5]、y = ['f', 'o', 'o', 'b', 'a', 'r']。で1 より大きく5より小さい要素にy対応する要素を選択したいx。

私は試した

x = array([5, 2, 3, 1, 4, 5])
y = array(['f','o','o','b','a','r'])
output = y[x > 1 & x < 5] # desired output is ['o','o','a']

しかし、これは機能しません。どうすればいいですか？

括弧を追加すると、式が機能します。

>>> y[(1 < x) & (x < 5)]
array(['o', 'o', 'a'], 
      dtype='|S1')

IMO OPは実際にはnp.bitwise_and()（別名&）は必要ありませんがnp.logical_and()、Trueand などの論理値を比較しているため、実際に必要です。違いを確認するには、論理対ビットごとのFalseこのSOの投稿を参照してください。

>>> x = array([5, 2, 3, 1, 4, 5])
>>> y = array(['f','o','o','b','a','r'])
>>> output = y[np.logical_and(x > 1, x < 5)] # desired output is ['o','o','a']
>>> output
array(['o', 'o', 'a'],
      dtype='|S1')

これを行う同等の方法はnp.all()、axis引数を適切に設定することです。

>>> output = y[np.all([x > 1, x < 5], axis=0)] # desired output is ['o','o','a']
>>> output
array(['o', 'o', 'a'],
      dtype='|S1')

数字で：

>>> %timeit (a < b) & (b < c)
The slowest run took 32.97 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 1.15 µs per loop

>>> %timeit np.logical_and(a < b, b < c)
The slowest run took 32.59 times longer than the fastest. This could mean that an intermediate result is being cached.
1000000 loops, best of 3: 1.17 µs per loop

>>> %timeit np.all([a < b, b < c], 0)
The slowest run took 67.47 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 5.06 µs per loop

その使用はnp.all()遅いですが、&とlogical_andほぼ同じです。

@JF Sebastianと@Mark Mikofskiの回答に1つの詳細を追加し
ます。（配列の実際の値ではなく）対応するインデックスを取得したい場合は、次のコードを実行します。

複数（すべて）の条件を満たす場合：

select_indices = np.where( np.logical_and( x > 1, x < 5) )[0] #   1 < x <5

複数の（または）条件を満たす場合：

select_indices = np.where( np.logical_or( x < 1, x > 5 ) )[0] # x <1 or x >5

私np.vectorizeはそのような仕事に使うのが好きです。以下を検討してください。

>>> # Arrays
>>> x = np.array([5, 2, 3, 1, 4, 5])
>>> y = np.array(['f','o','o','b','a','r'])

>>> # Function containing the constraints
>>> func = np.vectorize(lambda t: t>1 and t<5)

>>> # Call function on x
>>> y[func(x)]
>>> array(['o', 'o', 'a'], dtype='<U1')

利点は、ベクトル化された関数にさらに多くのタイプの制約を追加できることです。

それが役に立てば幸い。

実際に私はこのようにします：

L1は、条件1を満たす要素のインデックスリストです（多分somelist.index(condition1)またはnp.where(condition1)をしてL1を取得）。

同様に、条件2を満たす要素のリストであるL2を取得します。

次に、次を使用して交差点を見つけます intersect(L1,L2)。

複数の条件を満たす条件を満たす場合は、複数のリストの共通部分を見つけることもできます。

次に、xなどの他の配列にインデックスを適用できます。

2D配列の場合、これを行うことができます。条件を使用して2Dマスクを作成します。配列に応じて、条件マスクをintまたはfloatに型キャストし、元の配列と乗算します。

In [8]: arr
Out[8]: 
array([[ 1.,  2.,  3.,  4.,  5.],
       [ 6.,  7.,  8.,  9., 10.]])

In [9]: arr*(arr % 2 == 0).astype(np.int) 
Out[9]: 
array([[ 0.,  2.,  0.,  4.,  0.],
       [ 6.,  0.,  8.,  0., 10.]])