什么是Pandas中的dataframe.loc()的Numpy等价

Question

我有一个120,000*4的numpy数组,如下所示.每行都是一个样本.第一列是秒的时间,或index使用Pandas术语.

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新数组中.如果这是一个Pandas数据帧,我会写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

假设索引已排序:

IIUC,

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.

有关更一般的解决方案,请查看Wen的答案

Answer 2

来自Raf的数据

x[np.where(x[:,0]==5)[0][0]:np.where(x[:,0]==9)[0][0]+1,:]
Out[341]: 
array([[ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

注意

只有使用大于和小于不能完全替换的.loc,.loc的后端是索引位置而不是值范围

例如

df
Out[348]: 
       0   1   2   3
0      1   2   3   4
1      5   6   7   8
4444   9  10  11  12
3     13  14  15  16

df.loc[1:3]
Out[347]: 
       0   1   2   3
1      5   6   7   8
4444   9  10  11  12
3     13  14  15  16