python - Pandas 中 dataframe.loc() 的 Numpy 等价性是什么

Question

我有一个 120,000*4 的 numpy 数组，如下所示。每一行都是一个样本。第一列是以秒为单位的时间，或者使用 Pandas 术语的 index。

0.014      14.175  -29.97  -22.68 
0.022      13.905  -29.835 -22.68
0.030      12.257  -29.32  -22.67
... ...
1259.980   -0.405   2.205   3.825
1259.991   -0.495   2.115   3.735

我想选择记录在 100.000 到 200.000 秒之间的行并将其保存到一个新数组中。如果这是 Pandas 数据框，我会简单地编写 df.loc[100:200]。 numpy 中的等效操作是什么？

这不是可行性问题。我只是想知道是否有任何 pythonic 单行解决方案。

Answer 1

这假设索引已排序:

国际工业联合会

x=np.array([ [1,2,3,4],
           [5,6,7,8],
           [9,10,11,12],
           [13,14,15,16]])

x[(x[:,0] >= 5) & (x[:,0] <= 9) ]

所以你会有 100 和 200 而不是 5 和 9。

---

有关更通用的解决方案，请查看 Wen`s answer