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

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。