函数多条件的Numpy

Question

我有一组称为距离的距离。我想选择两个值之间的距离。为此，我编写了以下代码行：

 dists[(np.where(dists >= r)) and (np.where(dists <= r + dr))]

但是，这只为条件选择

 (np.where(dists <= r + dr))

如果我使用一个临时变量按顺序执行命令，它可以正常工作。为什么上面的代码不起作用，我如何让它起作用？

干杯

Answer 1

我喜欢用np.vectorize来完成这些任务。请考虑以下几点：

>>> # function which returns True when constraints are satisfied.
>>> func = lambda d: d >= r and d<= (r+dr) 
>>>
>>> # Apply constraints element-wise to the dists array.
>>> result = np.vectorize(func)(dists) 
>>>
>>> result = np.where(result) # Get output.

您也可以使用np.argwhere而不是np.where进行清除输出。但这是你的要求：）

希望有帮助。

Answer 2

在您的特定情况下，最好的方法是将您的两个条件更改为一个条件：

dists[abs(dists - r - dr/2.) <= dr/2.]

它只创建一个布尔数组，在我看来更容易阅读，因为它说，是dr或r中的dist？（尽管我将r重新定义为您感兴趣区域的中心而不是开始，所以r = r + dr/2.）但这并不能回答您的问题。

---

问题的答案：
如果您只是试图筛选出不符合您的条件的where元素，那么实际上不需要where：

dists[(dists >= r) & (dists <= r+dr)]

因为&将为您提供一个元素级的and（括号是必需的）。

或者，如果出于某种原因确实要使用where，可以执行以下操作：

 dists[(np.where((dists >= r) & (dists <= r + dr)))]

---

原因：
它不起作用的原因是np.where返回的是索引列表，而不是布尔数组。您正在尝试在两个数字列表之间获取and，这当然没有您期望的True/False值。如果a和b都是True值，则a and b返回b。所以说[0,1,2] and [2,3,4]这样的话只会给你[2,3,4]。这就是它的作用：

In [230]: dists = np.arange(0,10,.5)
In [231]: r = 5
In [232]: dr = 1

In [233]: np.where(dists >= r)
Out[233]: (array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19]),)

In [234]: np.where(dists <= r+dr)
Out[234]: (array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12]),)

In [235]: np.where(dists >= r) and np.where(dists <= r+dr)
Out[235]: (array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12]),)

您希望比较的只是布尔数组，例如

In [236]: dists >= r
Out[236]: 
array([False, False, False, False, False, False, False, False, False,
       False,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True], dtype=bool)

In [237]: dists <= r + dr
Out[237]: 
array([ True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True, False, False, False, False, False,
       False, False], dtype=bool)

In [238]: (dists >= r) & (dists <= r + dr)
Out[238]: 
array([False, False, False, False, False, False, False, False, False,
       False,  True,  True,  True, False, False, False, False, False,
       False, False], dtype=bool)

现在可以对组合布尔数组调用np.where：

In [239]: np.where((dists >= r) & (dists <= r + dr))
Out[239]: (array([10, 11, 12]),)

In [240]: dists[np.where((dists >= r) & (dists <= r + dr))]
Out[240]: array([ 5. ,  5.5,  6. ])

或者使用fancy indexing将原始数组与布尔数组进行索引

In [241]: dists[(dists >= r) & (dists <= r + dr)]
Out[241]: array([ 5. ,  5.5,  6. ])

Answer 3

因为公认的答案很好地解释了这个问题。您还可以使用numpy logical functions，它在这里更适合于多种情况：

np.where(np.logical_and(np.greater_equal(dists,r),np.greater_equal(dists,r + dr)))