NumPy数组高效条件筛选：告别循环与append，拥抱向量化操作

# 传统的Python列表操作
data = [1, 2, 3, 4, 5]
filtered_data = []
for x in data:
    if x > 3:
        filtered_data.append(x)
# 或使用列表推导式
filtered_data = [x for x in data if x > 3]

import numpy as np

a = np.array([1, 2, 4])
b = np.array([6, 5, 2])
value1 = 3 # 示例条件值

A_list = []
B_list = []
# 尝试使用for循环和append
for i in range(len(a)):
    if a[i] > value1 and b[i] > value1:
        A_list.append(a[i])
        B_list.append(b[i])

# 尝试使用列表推导式
A_comprehension = [a[i] for i in range(len(a)) if a[i] > value1 and b[i] > value1]

import numpy as np

a = np.array([1, 2, 4])
b = np.array([6, 5, 2])
value1 = 3 # 示例条件值

# 1. 创建第一个条件掩码
cond1 = (a > value1) # 结果: [False False True]

# 2. 创建第二个条件掩码
cond2 = (b > value1) # 结果: [True True False]

# 3. 结合多个条件：使用按位逻辑运算符 `&` (AND), `|` (OR), `~` (NOT)
# 注意：不能使用Python的 `and`, `or`，因为它们是非向量化的
combined_cond = cond1 & cond2 # 结果: [False False False]

import numpy as np

a = np.array([1, 5, 4, 7])
b = np.array([6, 8, 2, 9])
value1 = 3 # 示例条件值

# 创建布尔掩码
cond = (a > value1) & (b > value1)
# cond 结果:
# (a > 3) -> [False True True True]
# (b > 3) -> [True True False True]
# cond1 & cond2 -> [False True False True]

# 使用布尔掩码筛选数组
A_filtered = a[cond]
B_filtered = b[cond]

print("原始数组 a:", a)
print("原始数组 b:", b)
print("布尔掩码 cond:", cond)
print("筛选后的 A 数组:", A_filtered) # 结果: [5 7]
print("筛选后的 B 数组:", B_filtered) # 结果: [8 9]

import numpy as np

def filter_arrays_by_conditions(arr1, arr2, threshold):
    """
    根据给定条件筛选两个NumPy数组。

    参数:
    arr1 (np.ndarray): 第一个NumPy数组。
    arr2 (np.ndarray): 第二个NumPy数组。
    threshold (float/int): 筛选的阈值。

    返回:
    tuple: 包含两个筛选后的NumPy数组 (filtered_arr1, filtered_arr2)。
    """
    if not (isinstance(arr1, np.ndarray) and isinstance(arr2, np.ndarray)):
        raise TypeError("输入必须是NumPy数组。")
    if arr1.shape != arr2.shape:
        raise ValueError("输入数组的形状必须相同。")

    # 创建布尔掩码
    cond = (arr1 > threshold) & (arr2 > threshold)

    # 应用布尔索引
    filtered_arr1 = arr1[cond]
    filtered_arr2 = arr2[cond]

    return filtered_arr1, filtered_arr2

# 示例使用
a_data = np.array([1, 5, 4, 7, 10])
b_data = np.array([6, 8, 2, 9, 3])
my_threshold = 3

filtered_A, filtered_B = filter_arrays_by_conditions(a_data, b_data, my_threshold)

print("\n使用通用函数筛选后的 A:", filtered_A) # 结果: [5 7]
print("使用通用函数筛选后的 B:", filtered_B) # 结果: [8 9]

my_threshold_2 = 6
filtered_A2, filtered_B2 = filter_arrays_by_conditions(a_data, b_data, my_threshold_2)
print("\n使用通用函数筛选后的 A (阈值6):", filtered_A2) # 结果: [7]
print("使用通用函数筛选后的 B (阈值6):", filtered_B2) # 结果: [9]