Python Numpy：是否有方法为Numpy数组中的某个位置提供*名称*

我有一个3x3numpy阵列：

X =  np.array([[  0.,   2.,   0.],
         [  0.,   0.,   0.],
         [  4., 22.,   0.]])

其中，数组X中的每个位置对应于以下变量之间的某种关系：

[  a & a,   a & b,   a & c]
[  b & a,   b & b,   b & c]
[  c & a,   c & b,   c & c]

因此，在示例数组X中，数字2对应于描述变量a和b之间关系的数据

现在，假设我想在X上运行一个条件，如下所示：

X>3，生成以下内容：

array([[False, False, False],
       [False, False, False],
       [ True,  True, False]])

然后，我如何确定a、b和c变量范围中的真值对应哪些变量？我们知道这是c&a和c&b，但我该如何提取这些信息呢

我想也许有一种方法可以在Numpy数组中为固定位置分配名称

我可以做我想做的事情如下：

y =  np.array([[  'a',   'a',  'a'],
         [  'b',   'b',  'b'],
         [  'c',  'c', 'c']])

z =  np.array([[  'a',   'b',  'c'],
         [  'a',   'b',  'c'],
         [  'a',  'b', 'c']])

y[x>3]

array(['c', 'c'], dtype='<U1')

y=np.array（[['a'，'a'，'a']，
['b'，'b'，'b']，
['c'，'c'，'c']]
z=np.array（[['a'，'b'，'c']，
[‘a’、‘b’、‘c’]，
[‘a’、‘b’、‘c’]]
y[x>3]
数组（['c'，c'，dtype='另一种方法是只使用一个索引，然后用
np索引。其中
：

labels = np.array(['a','b','c'])

idx = np.array(np.where(X>3)).T
labels[idx]

输出：

array([['c', 'a'],
       ['c', 'b']], dtype='<U1')

数组（[['c'，'a']，
['c'，'b']]，dtype='你试过了吗？我知道我可以在pandas中完成这项工作，但我的实际数据集r有几个2500 x 2500数组，所以有600万条记录。考虑到涉及的数据大小和运行时间，pandas可能不是完成这项工作的最佳地点。我只试过使用10k x 10k的pandas，很好……通过numpy生成大小为2秒的随机数据，pandas takes~5毫秒将其转换为数据帧Pandas基本上是一个奇特的numpy包装器。Pandas在numpy上的开销可以忽略不计。
array([['c', 'a'],
       ['c', 'b']], dtype='<U1')