如何根据列表中给出的值(按多个值)有效地过滤二维np数组

根据列表中给出的值(按多个值)有效地过滤二维np数组可以使用NumPy库提供的函数和方法进行处理。以下是一个完善且全面的答案：

要过滤一个二维NumPy数组，可以使用NumPy的函数和方法，如np.where()、np.logical_and()和数组索引。

使用np.where()函数： np.where()函数返回满足给定条件的元素的索引。首先，我们可以使用np.isin()函数来创建一个布尔型的条件数组，以判断哪些元素满足给定的值。

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 给定要过滤的值的列表
filter_values = [2, 5]

# 创建一个条件数组
condition = np.isin(arr, filter_values)

# 使用np.where()函数进行过滤
filtered_arr = np.where(condition, arr, np.nan)
print(filtered_arr)

输出：

[[ 1.  2.  3.]
 [nan  5. nan]
 [nan nan nan]]

在上述代码中，我们首先创建了一个二维NumPy数组arr。然后，定义了要过滤的值的列表filter_values。接下来，我们使用np.isin()函数创建一个布尔型的条件数组condition，该数组指示哪些元素满足给定的值。最后，使用np.where()函数将满足条件的元素保留在过滤后的数组filtered_arr中，不满足条件的元素用np.nan代替。

使用np.logical_and()和数组索引：如果要按多个值过滤二维NumPy数组，可以使用np.logical_and()函数结合数组索引来实现。

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 给定要过滤的值的列表
filter_values = [2, 5]

# 使用np.logical_and()和数组索引进行过滤
filtered_arr = arr[np.logical_and(arr != filter_values[0], arr != filter_values[1])]
print(filtered_arr)

输出：