Python numpy中保持维数的数组索引列表

我有一份阿里亚的名单：

data = [array([4,2,3,4], dtype=uint16),
        array([6.6, 7.4, 5.0, 9.5], dtype=float32)] 

我想从上面满足条件的数组列表中获取值，例如：

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

结果如下：

data[:][condition]
 # Equals to -> [array([4,4], dtype=uint16), 
 #               array([6.6, 9.5], dtype=float32)]

保持相同的形状，显然会减少值的数量

我知道这样做：

data[0][np.where(condition)]

它提供了我想要的东西，但仅限于[0]数组

---

如何对多个这样的阵列执行此操作？

如果您有列表，请执行以下操作：

import numpy as np

data = [np.array([4,2,3,4], dtype=np.uint16),
        np.array([6.6, 7.4, 5.0, 9.5], dtype=np.float32)]

condition = np.array([True, False, False, True])


result = [e[condition] for e in data]
print(result)

---

如果您有列表，请执行以下操作：

import numpy as np

data = [np.array([4,2,3,4], dtype=np.uint16),
        np.array([6.6, 7.4, 5.0, 9.5], dtype=np.float32)]

condition = np.array([True, False, False, True])


result = [e[condition] for e in data]
print(result)

---

如果列表中的所有数组形状相同，最优雅的方法是将列表转换为numpy数组，并利用注释中提到的@Quang的numpy索引：

data = [np.array([4,2,3,4], dtype=np.uint16),
        np.array([6.6, 7.4, 5.0, 9.5], dtype=np.float32)] 

condition = np.array([True, False, False, True])
data = np.array(data)[:,condition]

输出：

[4.  4. ]
 [6.6 9.5]]

---

如果列表中的所有数组形状相同，最优雅的方法是将列表转换为numpy数组，并利用注释中提到的@Quang的numpy索引：

data = [np.array([4,2,3,4], dtype=np.uint16),
        np.array([6.6, 7.4, 5.0, 9.5], dtype=np.float32)] 

condition = np.array([True, False, False, True])
data = np.array(data)[:,condition]

输出：

[4.  4. ]
 [6.6 9.5]]

---

np.array（data）[：，condition]

行吗？那

data[：]

应该做什么？@QuangHoang answer做了我想做的。谢谢！你想保留这两种不同的数据类型，还是让它全部浮动？数组（数据）[：，条件]行得通吗？那

data[：]

应该做什么？@QuangHoang answer做了我想做的。谢谢！您想保留这两种不同的数据类型，还是将其全部浮动？谢谢您的回复。我认为在Matlab中有一个简单的索引，没有显式地执行循环：PCheck@QuangHoang在MATLAB中你有一个单元格还是矩阵？我有一个矩阵@广康回答了这个问题。谢谢你的关注：）谢谢你的回复。我认为在Matlab中有一个简单的索引，没有显式地执行循环：PCheck@QuangHoang在MATLAB中你有一个单元格还是矩阵？我有一个矩阵@广康回答了这个问题。感谢您的关注：）