Python 如何将数组中的一列放入一个新数组中，同时对其应用一个奇特的索引过滤器？

基本上我有一个数组，由14列426行组成，每列代表一只狗的一个属性，每行代表一只狗，现在我想知道一只病狗的平均心脏频率，14。列是指示狗是否生病的列[0=健康1=生病]，8。row是心脏频率。现在我的问题是，我不知道怎样才能得到8。列，并对其使用布尔过滤器

我对Python还很陌生。正如我上面提到的，我想我知道我必须做什么[使用一个奇特的索引过滤器]，但我不知道我如何才能做到这一点。我试图在仍然在原始数组中的情况下执行此操作，但没有成功，因此我认为需要将信息放入另一个数组中，并在该数组上使用布尔过滤器

编辑：好的，下面是我现在得到的代码：

import numpy as np

def average_heart_rate_for_pathologic_group(D):

    a=np.array(D[:, 13])    #gets information, wether the dogs are sick or not
    b=np.array(D[:, 7])     #gets the heartfrequency
    R=(a >= 0)              #gets all the values that are from sick dogs
    amhr = np.mean(R)       #calculates the average heartfrequency
    return amhr

---

可能您必须将数据从原始数组复制到具有选定数据的新数组中

你能分享一个样本，比如说3或4行数据吗

我会试一试的

让我在这里用4列构建

数据

（但您可以在问题中使用14列）

data=['c1a'，'c2a'，'c3a'，'c4a'，['c1b'，'c2b'，'c3b'，'c4b']

您可以使用

numpy.array

获取其第n列。 查看如何获得第二列：

将numpy导入为np
a=np.数组（数据）
a[：，2]

我认为布尔索引是前进的方向。 这项工作的快捷方式如下：

#您的数据：
数据=[[0,1,2,3,4,5,6,7,8…]，[…]
#此索引选择第8列中等于1的行，然后选择它们的
#列编号14值。在此之后，可以对新变量进行任何分析
心脏频率=数据[数据[：，7]==1,13]

如果您想获得8。列中所有健康的狗，您可以执行以下操作：

# we use 7 for the column because the index starts by 0
# we use filter and fancy to get the rows where the conditions are true
# we use n.argwhere to get the indices where the conditions are true
A[np.argwhere([A[:,13] == 0])[:,1],7]

如果您还想计算平均值：

A[np.argwhere([A[:,13] == 0])[:,1],7].mean()

---

你自相矛盾。如果每一列都代表一只狗，你怎么能说“8列是心脏频率”？将fancyget一词添加到Pandas数据框中，然后在此处发布df的.head（），这样我们就可以理解你的数据形状一个问题，这个问题甚至没有发布代码片段或样本数据，而且自相矛盾，得票比答案多。你想得到8分吗。列还是8.行？不幸的是，我只有一个.npy文件的数组，我的代码看起来是这样的：a=np.Array（D[0:14426]）b=np.Array（D[0:8426]）a=（a>=0）R=a[b>=0]amhr=np.mean（R）return amhr您可以使用

def my_filter（在_数组中）实现您自己的过滤器之类的函数：…

很好的解决方案，但您必须使用13而不是14@CodePope谢谢总是小事