Python 如何简单地按3d numpy数组的第1列值过滤该数组？

假设我有一个3D numpy数组，如下所示：

 data = np.array([[[1,2,3,4],[1,2.5,3,5]],
                 [[116,230,450,430],[80,100,300,320]],
                 [[60,100,120,80],[50,80,100,90]]])

如何简单地从中提取具有相同形状且轴0上有条件的3D numpy数组，例如选择轴0<3的那些“行”？一种天真的方式是

data[data[0]<3]

---

data[data[0]请参见以上我的评论，但从您的数据来看，我猜您需要任何值小于3的行。如果是这样，您可以执行以下操作：

data[(data<3).any(axis=2)]
>>> array([[1. , 2. , 3. , 4. ],
           [1. , 2.5, 3. , 5. ]])

这里您需要更具体一些，一行包含多个数字，因此您应该指定是希望任何数字小于3，所有数字小于3，还是希望其他数字的总和小于3。我不够清楚。通过选择轴0小于3，我的意思是我将获得
dataNew=np.array（[[[1,2]，[1,2.5]]，[[116230]，[80100]，[[60100]，[50,80]]）
好的，我已经对我的答案进行了编辑，希望它能帮助索引数组中的转置（括号内）必要吗？我做了另一个不涉及转置的编辑。使用遮罩的诀窍是遮罩形状必须与应用它的阵列或轴相同，在这种情况下，它是最后一个轴。
data.T[(data[0]<3).any(axis=0).T].T
>>> array([[[  1. ,   2. ],
            [  1. ,   2.5]],

           [[116. , 230. ],
            [ 80. , 100. ]],

           [[ 60. , 100. ],
            [ 50. ,  80. ]]])

data[..., (data[0]<3).any(axis=0)]
>>> array([[[  1. ,   2. ],
            [  1. ,   2.5]],

           [[116. , 230. ],
            [ 80. , 100. ]],

           [[ 60. , 100. ],
            [ 50. ,  80. ]]])