Python Numpy数组:根据阈值切片y值数组,然后相应地切片x值数组
非常快速的问题,找不到这些关键字的答案。以下哪种方法更好Python Numpy数组:根据阈值切片y值数组,然后相应地切片x值数组,python,numpy,Python,Numpy,非常快速的问题,找不到这些关键字的答案。以下哪种方法更好 t = linspace(0,1000,300) x0 = generic_function(t) x1 = x0[x0>0.8] t1 = t[t>t[len(x0)-len(x1)-1]] 我使用@t1的操作给我的印象是非常不合算且效率低下。有指针吗?IIUC,您可以简单地重用切割数组。例如: >>> from numpy import arange, sin >>> t =
t = linspace(0,1000,300)
x0 = generic_function(t)
x1 = x0[x0>0.8]
t1 = t[t>t[len(x0)-len(x1)-1]]
我使用@t1的操作给我的印象是非常不合算且效率低下。有指针吗?IIUC,您可以简单地重用切割数组。例如:
>>> from numpy import arange, sin
>>> t = arange(5)
>>> t
array([0, 1, 2, 3, 4])
>>> y = sin(t)
>>> y
array([ 0. , 0.84147098, 0.90929743, 0.14112001, -0.7568025 ])
如前所述,您可以创建布尔数组:
>>> y > 0.8
array([False, True, True, False, False], dtype=bool)
然后您可以使用它来过滤t
和y
:
>>> t[y > 0.8]
array([1, 2])
>>> y[y > 0.8]
array([ 0.84147098, 0.90929743])
没有使用
len
或涉及单调性的假设。更不用说它只起作用,因为我的值单调增加。实际上,我有一个后续问题。那叫什么?过滤、剪切还是切片?@RodericDay:我只是简单地称之为“索引”,只有一系列布尔值。numpy医生称之为。切片是带有冒号的东西,例如t[3:4,2:30:5],等等。