Python 如何用不等式分割numpy数组？

我已经尽了我最大的努力去寻找一个自己的解决方案，但我只是没有找到任何相关的东西。我有一些从.tbl文件中提取的numpy数组（这是一种天文表格式，我用atpy提取）。每个数组中大约有25000个数字，我用matplotlib将它们绘制为散点图。y轴值直接来自数组，x轴是两个单独数组中值的简单减法

这很好，但我真正需要做的是提取某个范围内的值（例如，我需要y的值在10到13之间，x的值在0到1之间）。当然，为了使绘图有效，这些值必须相互匹配。以下是我得到的：

import numpy as np
from numpy import ndarray
import matplotlib.pyplot as plt
import matplotlib
import atpy

twomass = atpy.Table()

twomass.read('/Raw_Data/IRSA_downloads/2MASS_GCbox1.tbl')

hmag = list([twomass['h_m']])

jmag = list([twomass['j_m']])

colorjh = list([j-h for j,h in zip(jmag, hmag)])

x = []

y = []

def list_maker():
for c,h in zip(colorjh, hmag):
    if np.all(c) < 1 == True and np.all(c) > 0 == True and np.all(h) < 13 == True and np.all(h) > 10 == True:
        x.append(c)
        y.append(h)       

list_maker()

plt.scatter(x, y, c='g', s=1, alpha=0.05)

plt.xlabel('Color(J-H)', fontsize=15)           #adjust axis labels here
plt.ylabel('Magnitude (H)', fontsize=15)

plt.gca().invert_yaxis()

plt.legend(loc=2)
plt.title('CMD for Galactic Center (2MASS)', fontsize=20)
plt.grid(True)

plt.show()

将numpy导入为np
来自numpy import Ndaray
将matplotlib.pyplot作为plt导入
导入matplotlib
导入atpy
twomass=atpy.Table（）
twomass.read（'/Raw_Data/IRSA_downloads/2MASS_GCbox1.tbl'））
hmag=列表（[twomass['h_m']]
jmag=list（[twomass['j_m']]
colorjh=list（[j-h代表j，h在zip中（jmag，hmag）]）
x=[]
y=[]
def list_maker（）：
对于拉链中的c、h（彩色JH、hmag）：
如果np.all（c）<1==True且np.all（c）>0==True且np.all（h）<13==True且np.all（h）>10==True：
x、 附加（c）
y、 附加（h）
列表生成器（）
plt.散射（x，y，c='g'，s=1，alpha=0.05）
plt.xlabel（'Color（J-H'），fontsize=15）#在此处调整轴标签
plt.ylabel（‘幅值（H）’，fontsize=15）
plt.gca（）.invert_yaxis（）
plt.图例（loc=2）
plt.title（'CMD代表银河系中心（2MASS）”，fontsize=20）
plt.grid（真）
plt.show（）

我也尝试过这种方法对数据进行切片，但没有成功：

colorjh = colorjh[colorjh<1]

colorjh = colorjh[colorjh>0]

colorjh=colorjh[colorjh0]

我尝试了很多不同的事情，包括尝试将这些数组转换为列表，以及许多不同的事情，包括不等式的格式。在这个过程中，我可能已经远离了答案，但这段代码至少打印出了整个散布（它无法像我想要的那样分割数据）。其他一些迭代打印出的空白图与我要查找的数字范围相差甚远

---

我不熟悉python，也不熟悉这个网站，所以请尽可能明确地告诉我一些提示等。如果这是一个超级行话，我可能无法很好地利用你的建议。谢谢大家

试试下面的方法，我认为它与您的

for

s和

zip

s的效果相同，但速度应该快得多。如果有什么不合理的地方，请在评论中询问，我将编辑：

hmag = np.array(hmag)
jmag = np.array(jmah)

colorjh = jmag - hmag
idx_c = (colorjh > 0) & (colorjh < 1) # where condition on c is met
idx_h = (hmag > 10) & (hmag < 13) # where condition on h is met
idx = idx_c & idx_h # where both conditions are met

plt.scatter(colorjh[idx], hmag[idx], c='g', s=1, alpha=0.05)

hmag=np.array（hmag）
jmag=np.array（jmah）
colorjh=jmag-hmag
idx_c=（colorjh>0）和（colorjh<1）#其中满足c上的条件
idx_h=（hmag>10）和（hmag<13）#其中满足h的条件
idx=idx_c和idx_h，其中两个条件都满足
plt.散射（colorjh[idx]，hmag[idx]，c='g'，s=1，alpha=0.05）

两种情况都可以同时执行：

hmag = np.array(hmag)
jmag = np.array(jmah)
colorjh = jmag - hmag

idx = ((colorjh > 0) & (colorjh < 1) & (hmag > 10) & (hmag < 13)).nonzero()[0]

plt.scatter(colorjh[idx], hmag[idx], c='g', s=1, alpha=0.05)

hmag=np.array（hmag）
jmag=np.array（jmah）
colorjh=jmag-hmag
idx=（（colorjh>0）和（colorjh<1）和（hmag>10）和（hmag<13））。非零（）
plt.散射（colorjh[idx]，hmag[idx]，c='g'，s=1，alpha=0.05）

.nonzero（）[0]

使它成为一个索引列表，而不是一个包含真值和假值的“掩码”，如果我们讨论的是很长的列表，这可能会更有效