使用多个未知数条件的numpy返回指数

考虑两个数组（X和Y），X是一个二维数据数组（灰度图像），Y是一个条件数组，其中数组X需要根据以下条件进行过滤：

X = np.array([[0,0,0,0,4], [0,1,1,2,3], [1,1,2,2,0], [0,0,2,2,3], [0,0,0,0,0]])
Y = np.array([1,2,3])

X:
[[0 0 0 0 4]
 [0 1 1 2 3]
 [1 1 2 2 0]
 [0 0 2 2 3]
 [0 0 0 0 0]]
Y:
[1 2 3]

我需要根据数组Y中的值选择数组X的元素/索引，以便：

Z = np.argwhere((X == Y[0]) | (X == Y[1]) | (X == Y[2]))
Z:
[[1 1]
 [1 2]
 [1 3]
 [1 4]
 [2 0]
 [2 1]
 [2 2]
 [2 3]
 [3 2]
 [3 3]
 [3 4]]

这可以通过在数组Y的项上使用循环来实现，是否有numpy函数来实现这一点

在

np.arg函数中使用多个条件也是可以实现的，但是，条件的数量（数组Y的长度）以前是未知的

谢谢
关键是准备好正确的面具。为此，请使用：

您将得到一个与
X
具有相同形状的布尔掩码。现在，您可以使用适当的方法获取索引。
关键是准备正确的掩码。为此，请使用：

您将得到一个与
X
具有相同形状的布尔掩码。现在，您可以使用适当的方法获取索引。
argwhere
只执行
np.transpose（np.where（cond））
。也就是说，它将
np.where/nonzero
生成的数组元组转换为2d数组。元组形式可以直接用作索引（对于像
X
这样的数组）。
argwhere
版本必须按行迭代，或将列用作索引数组（复制
非零索引）。
argwhere
只执行
np.transpose（np.where（cond））
。也就是说，它将
np.where/nonzero
生成的数组元组转换为2d数组。元组形式可以直接用作索引（对于像
X
这样的数组）。
argwhere
版本必须按行迭代，或使用列作为索引数组（复制
非零索引）。如果
Y
不是太大
isin
实际上使用重复的
，OP的泛化。看看它的代码。谢谢amzon exIf
Y
不是太大
isin
实际上使用了一个重复的
，OP的泛化。看看它的代码。谢谢amzon ex
np.isin(X, Y)