जवाबों:
आप np.whereसूचकांक प्राप्त np.logical_andकरने और दो स्थितियाँ निर्धारित करने के लिए उपयोग कर सकते हैं:
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]),)
np.where((a > 6) & (a <= 10))
np.logical_andएक बालक है, &हालांकि तेजी से । और np.whereसे तेज है np.nonzero।
@ Deinonychusaur के उत्तर के रूप में, लेकिन इससे भी अधिक कॉम्पैक्ट:
In [7]: np.where((a >= 6) & (a <=10))
Out[7]: (array([3, 4, 5]),)
a[(a >= 6) & (a <= 10)]अगर aएक संख्यात्मक सरणी है।
aहै जब एक सुस्पष्ट सरणी है
यह समझने के लिए कि सबसे अच्छा उत्तर क्या है, हम अलग-अलग समाधान का उपयोग करके कुछ समय दे सकते हैं। दुर्भाग्य से, प्रश्न अच्छी तरह से प्रस्तुत नहीं किया गया था इसलिए विभिन्न प्रश्नों के उत्तर हैं, यहां मैं उसी प्रश्न के उत्तर को इंगित करने का प्रयास करता हूं। सरणी को देखते हुए:
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
उत्तर एक निश्चित सीमा के बीच तत्वों का अनुक्रमित होना चाहिए , हम समावेशी मानते हैं, इस मामले में, 6 और 10।
answer = (3, 4, 5)
6,9,10 के मूल्यों के अनुरूप।
सर्वश्रेष्ठ उत्तर का परीक्षण करने के लिए हम इस कोड का उपयोग कर सकते हैं।
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)")]',
]
परिणाम निम्नलिखित साजिश में बताए गए हैं। शीर्ष पर सबसे तेज़ समाधान।
यदि आप अनुक्रमित के बजाय मानों को निकालना चाहते हैं, तो आप फ़ंक्शन 2 का उपयोग करके परीक्षण कर सकते हैं, लेकिन परिणाम लगभग समान हैं।
यह कोड स्निपेट सभी मानों को दो मानों के बीच एक संख्या में देता है:
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56] )
a[(a>6)*(a<10)]
यह निम्नलिखित के रूप में काम करता है: (ए> 6) ट्रू (1) और गलत (0) के साथ एक संख्यात्मक सरणी देता है, इसलिए ऐसा करता है (एक <10)। इन दोनों को एक साथ गुणा करने से आपको या तो ट्रू के साथ एक सरणी मिलती है, यदि दोनों स्टेटमेंट ट्रू हैं (क्योंकि 1x1 = 1) या गलत (क्योंकि 0x0 = 0 और 1x0 = 0)।
भाग [...] सरणी के सभी मानों को लौटाता है जहाँ कोष्ठक के बीच का सरणी एक सही कथन देता है।
बेशक आप उदाहरण के लिए कहकर इसे और अधिक जटिल बना सकते हैं
...*(1-a<10)
जो "और न" कथन के समान है।
जोड़ना चाहते थे numexpr मिश्रण में:
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)
केवल लाखों के साथ बड़े सरणियों के लिए समझ में आता है ... या यदि आप एक स्मृति सीमा मार रहे हैं।
अन्य तरीका है:
np.vectorize(lambda x: 6 <= x <= 10)(a)
कौन सा रिटर्न:
array([False, False, False, True, True, True, False, False, False])
यह कभी-कभी टाइम सीरीज़, वैक्टर आदि के लिए उपयोगी होता है।
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)
आउटपुट:
(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]
यह सबसे सुंदर नहीं हो सकता है, लेकिन किसी भी आयाम के लिए काम करता है
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)
आप इसे np.clip()प्राप्त करने के लिए उपयोग कर सकते हैं :
a = [1, 3, 5, 6, 9, 10, 14, 15, 56]
np.clip(a,6,10)
हालाँकि, यह क्रमशः 6 और 10 से कम और अधिक मान रखता है।
np.nonzero(np.logical_and(a>=6, a<=10))।