脾气暴躁的地方有多个条件

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

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内部的dr还是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：wheredists

dists[(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：

 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。所以说这样的话[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 = 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]),)

您期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，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. ,  5.5,  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. ,  5.5,  6. ])

公认的答案已经很好地解释了这个问题。但是，应用多个条件的Numpythonic方法更多是使用numpy逻辑函数。在这种情况下，您可以使用np.logical_and：

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

这里要指出的一件有趣的事情是：在这种情况下，通常也可以使用OR和AND的方式，但有一点点变化。代替“ and”和“ or”，而使用Ampersand（＆）和Pipe Operator（|），它将起作用。

当我们使用'and'时：

ar = np.array([3,4,5,14,2,4,3,7])
np.where((ar>3) and (ar<6), 'yo', ar)

Output:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

当我们使用＆符时：

ar = np.array([3,4,5,14,2,4,3,7])
np.where((ar>3) & (ar<6), 'yo', ar)

Output:
array(['3', 'yo', 'yo', '14', '2', 'yo', '3', '7'], dtype='<U11')

当我们尝试应用大熊猫Dataframe的多个过滤器时，情况也是如此。现在，其背后的原因必须与逻辑运算符和按位运算符有关，并且为了对它们有更多的了解，我建议在stackoverflow中仔细研究一下此答案或类似的Q / A。

更新

用户问，为什么需要在括号内给出（ar> 3）和（ar <6）。好吧，这就是事情。在我开始讨论这里发生的事情之前，需要了解Python中的运算符优先级。

类似于BODMAS所涉及的内容，python还优先执行应首先执行的操作。首先执行括号内的项目，然后按位运算符开始工作。我将在下面显示两种情况，当您确实使用和不使用“（”，“）”时会发生什么。

情况1：

np.where( ar>3 & ar<6, 'yo', ar)
np.where( np.array([3,4,5,14,2,4,3,7])>3 & np.array([3,4,5,14,2,4,3,7])<6, 'yo', ar)

由于这里没有括号，因此按位运算符（&）在这里变得困惑，您甚至要求它获得逻辑与，因为在运算符优先级表中（如果看到的话）&被赋予了优先于<或>运算符。这是从最低优先级到最高优先级的表格。

它甚至不执行<和>操作被要求执行逻辑与操作。这就是为什么它会导致该错误。

您可以查看以下链接以了解更多信息：运算符优先级

现在转到案例2：

如果您确实使用了支架，那么您会清楚地看到会发生什么。

np.where( (ar>3) & (ar<6), 'yo', ar)
np.where( (array([False,  True,  True,  True, False,  True, False,  True])) & (array([ True,  True,  True, False,  True,  True,  True, False])), 'yo', ar)

真假两个数组。而且，您可以轻松地对其执行逻辑AND操作。这给你：

np.where( array([False,  True,  True, False, False,  True, False, False]),  'yo', ar)

休息一下，np.where，对于给定的情况，在任何情况下，True都会分配第一个值（即“ yo”），如果为False，则分配另一个值（即在此保留原始值）。

就这样。我希望我能很好地解释查询。

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) 
>>>
>>> # 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。

尝试：

np.intersect1d(np.where(dists >= r)[0],np.where(dists <= r + dr)[0])

这应该工作：

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

最优雅的方式~~

尝试：

import numpy as np
dist = np.array([1,2,3,4,5])
r = 2
dr = 3
np.where(np.logical_and(dist> r, dist<=r+dr))

输出：（array（[2，3]），）

您可以查看逻辑功能以获取更多详细信息。

我已经解决了这个简单的例子

import numpy as np

ar = np.array([3,4,5,14,2,4,3,7])

print [X for X in list(ar) if (X >= 3 and X <= 6)]

>>> 
[3, 4, 5, 4, 3]