Python 从函数中给定条件的2d numpy数组中选择行

我看到很多使用

np.where（）

的示例，在给出以下内容时效果很好：

x = np.array([...])
w = np.where(x > 5)

如果我需要根据一个函数过滤元素，像这样呢

a = [..]
b = filter(lambda x: is_true(x), a)

---

我希望能够在numpy中直接执行此过滤功能，但我似乎无法找到执行此功能的方法。

您可以添加一个示例吗？我希望有效地过滤出每个元素，其中为true（element）=False。并且

是否为true

是否有一些自定义函数？正确。我正在实现一个非最大抑制，但是我的用例和我在堆栈溢出上看到的其他用例之间的区别是，我需要重叠在两个边界框之间。换句话说，我在stackoverflow上看到的实现只考虑了一面。我关心的是两个边界框之间的实际交集，而不仅仅是其中一个是否更大，并以超过某个比例吞并另一个边界框。我明白了，所以对于真正的矢量化，即性能，我们需要对func实现本身进行矢量化。你能添加一个示例吗？我想过滤掉每个元素中的_true（要素）==有效地为假。而

是否为真

是否是一些自定义函数？正确。我正在实现一个非最大抑制，但我的用例与我在堆栈溢出上看到的其他用例之间的区别是，我需要重叠在两个边界框之间。换句话说，我在堆栈溢出上看到的实现只考虑了一个方面帐户。我关心的是两个边界框之间的实际交集，而不仅仅是一个是否更大，是否以超过某个比例吞并了另一个。我明白了，所以要实现真正的性能矢量化，我们需要对func实现本身进行矢量化。