访问数组某些部分的python方法

我有一个2D numpy数组，其中包含绘图的x（数据[：，0]）和y（数据[：，1]）信息

我希望将曲线拟合到数据，但仅使用数据的某些部分来确定拟合参数（例如，使用范围x=x1->x2和x3->x4中的数据）。我的计划是创建一个新的numpy数组，其中只包含我打算传递给SciPy曲线拟合例程的数据

index_range1 = np.where((data[:,0] > x1) and (data[:,0] < x2)
index_range2 = np.where((data[:,0] > x3) and (data[:,0] < x4)

index_range1=np.其中（（数据[：，0]>x1）和（数据[：，0]x3）和（数据[：，0]

然后我将使用这些索引范围将感兴趣的数据拉入一个新数组，我可以将它传递给CurveFit

首先，考虑到Python可以处理复杂数组，这似乎是一种非常不符合Python的方法。其次，在运行脚本时，我收到一个错误，指出我需要在表达式中使用.any（）或.all（）作为索引范围1和2

因此，我想知道，是否有人对一种改进的、更具python风格的方法来解决这个问题有任何建议

---

谢谢！

要从另外两个数组中获得布尔数组，请使用

&

比较元素：

index_range1 = np.where((data[:,0] > x1) & (data[:,0] < x2))
index_range2 = np.where((data[:,0] > x3) & (data[:,0] < x4))

您可以通过以下方式缩短/使其更具可读性：

x, y = data.T
range1 = data[(x > x1) & (x < x2)]
range2 = data[(x > x3) & (x < x4)]

x，y=data.T
范围1=数据[（x>x1）和（xx3）和（x

---

注意：

x

和

y

是视图，因此修改

x

，

y

会修改

数据

，并且没有复制，因此不会降低代码速度。但是

范围

是副本，因为创建了副本，所以修改它们不会影响

x

，

y

，或者

数据

，以获得boolean数组在另外两个数组中，使用

和
比较元素：

index_range1 = np.where((data[:,0] > x1) & (data[:,0] < x2))
index_range2 = np.where((data[:,0] > x3) & (data[:,0] < x4))

您可以通过以下方式缩短/使其更具可读性：

x, y = data.T
range1 = data[(x > x1) & (x < x2)]
range2 = data[(x > x3) & (x < x4)]

x，y=data.T
范围1=数据[（x>x1）和（xx3）和（x

注意：
x
和
y
是视图，因此修改
x
，
y
会修改
数据
，并且没有复制，因此不会减慢代码的速度。但是
范围
是副本，因为创建了副本，因此修改它们不会影响此ca中的
x
、
y
、或
数据
se，您要使用
numpy.logical\u和
：

>>> import numpy as np
>>> data = np.arange(100)
>>> data[np.logical_and(50 <= data,data <= 70)]
array([50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66,
       67, 68, 69, 70])

>>将numpy作为np导入
>>>数据=np.arange（100）
>>>data[np.logical_和（50）在本例中，您希望使用
numpy.logical_和
：

>>> import numpy as np
>>> data = np.arange(100)
>>> data[np.logical_and(50 <= data,data <= 70)]
array([50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66,
       67, 68, 69, 70])

>>将numpy作为np导入
>>>数据=np.arange（100）
>>>数据[np.logical_和（50谢谢，我没有意识到逻辑和函数。这非常有帮助。谢谢，我没有意识到逻辑和函数。这非常有帮助。谢谢，我把这个和下面的答案结合起来，用一行来解决我的问题：
my_data=data[np.logical_或（（数据[：，0]>x1）和（数据[：，0]x3）和（数据）你可以用管道，
a | b
代替
logical_或（a，b）
。
my_data=data[（data[：，0]>x1）和（data[：，0]x3）和（data[：，0]
用很多括号！谢谢，那更好！我想我更喜欢“logical_”
&
和
|
运算符的函数。后者实际上执行逐位运算。结果表明，它们对布尔数组给出相同的结果，因为
True
是1的子类，但我发现这不太清楚。谢谢，我将这一点和下面的答案结合起来，在一行中解决了我的问题：
>my_data=data[np.logical_or（（data[：，0]>x1）和（data[：，0]x3）和（data[：，0]
@Ian您可以使用管道，
a|b
而不是
logical_或（a，b）
。例如，
my_data=data[（（data[：，0]>x1）和（data[：，0]
使用大量的括号！谢谢，这样更好！FWIW，我想我更喜欢“logical_XXX”
&
和
|
运算符的函数。后者实际上执行位运算。结果表明，它们对布尔数组给出相同的结果，因为
True
是1的子类，但我发现这一点不太清楚。