脾气暴躁的地方有多个条件

Question

我有一组距离称为dists。我想选择两个值之间的距离。我编写了以下代码行：

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

但是，这仅针对条件选择

 (np.where(dists <= r + dr))

如果我通过使用临时变量按顺序执行命令，则效果很好。为什么上面的代码不起作用，如何使它起作用？

干杯

Answer 1

在您的特定情况下，最好的方法是将两个条件更改为一个条件：dists[abs(dists - r - dr/2.) <= dr/2.]它仅创建一个布尔数组，在我看来是更易于阅读，因为它说，是dist一个内dr或r？（尽管我将重新定义r为您感兴趣的区域的中心，而不是开始的位置，所以r = r + dr/2.）但这并不能回答您的问题。问题的答案：如果您只是想过滤出不符合标准的元素，则实际上并不需要：wheredistsdists[(dists >= r) & (dists <= r+dr)]因为&将会为您提供基本元素and（括号是必需的）。或者，如果您where出于某些原因要使用，可以执行以下操作：&nbsp;dists[(np.where((dists >= r) & (dists <= r + dr)))]原因：不起作用的原因是因为np.where返回的是索引列表，而不是布尔数组。您试图and在两个数字列表之间移动，这些数字当然没有您期望的True/ False值。如果a和b都是两个True值，则a and b返回b。所以说些话[0,1,2] and [2,3,4]只会给你[2,3,4]。它在起作用：In [230]: dists = np.arange(0,10,.5)In [231]: r = 5In [232]: dr = 1In [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,&nbsp; 1,&nbsp; 2,&nbsp; 3,&nbsp; 4,&nbsp; 5,&nbsp; 6,&nbsp; 7,&nbsp; 8,&nbsp; 9, 10, 11, 12]),)In [235]: np.where(dists >= r) and np.where(dists <= r+dr)Out[235]: (array([ 0,&nbsp; 1,&nbsp; 2,&nbsp; 3,&nbsp; 4,&nbsp; 5,&nbsp; 6,&nbsp; 7,&nbsp; 8,&nbsp; 9, 10, 11, 12]),)您期望比较的只是布尔数组，例如In [236]: dists >= rOut[236]:&nbsp;array([False, False, False, False, False, False, False, False, False,&nbsp; &nbsp; &nbsp; &nbsp;False,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; &nbsp; &nbsp; &nbsp; True,&nbsp; True], dtype=bool)In [237]: dists <= r + drOut[237]:&nbsp;array([ True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True,&nbsp; &nbsp; &nbsp; &nbsp; True,&nbsp; True,&nbsp; True,&nbsp; True, False, False, False, False, False,&nbsp; &nbsp; &nbsp; &nbsp;False, False], dtype=bool)In [238]: (dists >= r) & (dists <= r + dr)Out[238]:&nbsp;array([False, False, False, False, False, False, False, False, False,&nbsp; &nbsp; &nbsp; &nbsp;False,&nbsp; True,&nbsp; True,&nbsp; True, False, False, False, False, False,&nbsp; &nbsp; &nbsp; &nbsp;False, False], dtype=bool)现在您可以调用np.where组合的布尔数组：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. ,&nbsp; 5.5,&nbsp; 6. ])或者使用花式索引简单地用布尔数组对原始数组进行索引In [241]: dists[(dists >= r) & (dists <= r + dr)]Out[241]: array([ 5. ,&nbsp; 5.5,&nbsp; 6. ])

Answer 2

由于接受的答案很好地说明了问题。您还可以使用numpy逻辑函数，该函数更适合多种情况：np.where(np.logical_and(np.greater_equal(dists,r),np.greater_equal(dists,r + dr)))

Answer 3

我喜欢np.vectorize用于此类任务。考虑以下：>>> # function which returns True when constraints are satisfied.>>> func = lambda d: d >= r and d<= (r+dr)&nbsp;>>>>>> # Apply constraints element-wise to the dists array.>>> result = np.vectorize(func)(dists)&nbsp;>>>>>> result = np.where(result) # Get output.您也可以使用np.argwhere代替以np.where获得清晰的输出。但这是您的电话:)希望能帮助到你。