Python numpy直方图索引

考虑到我有一个3D直方图，或者为了简单起见，我有一个3D numpy形状数组（X，Y，Z）

使用numpy或scipy获取满足球体条件的数组值索引的最佳方法是什么

(index_x**2 + index_y**2 + index_z**2) <= radius**2

---

（index\ux**2+index\uy**2+index\uz**2）您可以首先使用
ogrid（）
高效地获取索引，然后使用
非零（）
获取满足条件的索引

使用（）可以获得索引，如下所示：

或者，对于输入
数据
数组的任意形状：

x, y, z = ogrid[tuple(slice(None, dim) for dim in data.shape)]

为了使@EOL nice方法更通用，可以在数组的形状中定义一个中心

array = np.random.random((100,100,100))
center = (30,10,25)
radius = 5.0
x, y, z = np.ogrid[-center[0]:array.shape[0]-center[0],-center[1] :array.shape[1]-center[1], -center[2]:array.shape[2]-center[2]]
indexes = numpy.transpose((x**2+y**2+z**2 <= radius**2).nonzero())

array=np.random.random（（100100））
中心=（30,10,25）
半径=5.0
x、 y，z=np.ogrid[-center[0]：array.shape[0]-center[0]，-center[1]：array.shape[1]-center[1]，-center[2]：array.shape[2]-center[2]]
index=numpy.transpose（（x**2+y**2+z**2）太棒了……我曾想过使用ogrid，但不知道它可以在多维空间工作，非常感谢
indexes = numpy.transpose((x**2+y**2+z**2 <= radius**2).nonzero())  # transpose() might be unnecessary: it depends on your needs

x, y, z = numpy.ogrid[:100, :100, :100]

x, y, z = ogrid[tuple(slice(None, dim) for dim in data.shape)]

array = np.random.random((100,100,100))
center = (30,10,25)
radius = 5.0
x, y, z = np.ogrid[-center[0]:array.shape[0]-center[0],-center[1] :array.shape[1]-center[1], -center[2]:array.shape[2]-center[2]]
indexes = numpy.transpose((x**2+y**2+z**2 <= radius**2).nonzero())