NumPy数组过滤实战：布尔索引与高级筛选技巧

Elena

发布时间：2026-10-13| 3人浏览过

原创

本文详解NumPy中利用布尔数组进行数组过滤的核心机制。通过布尔表达式生成筛选条件，可高效提取满足条件的元素。需注意布尔数组与布尔列表在索引行为上的差异，前者按逻辑值筛选，后者按整数值映射。此外，布尔索引支持直接修改元素，是数据处理中常用的高效手段。

本文主要探讨NumPy库中数组过滤的具体实现技巧与相关代码示例。

当利用布尔数组b作为下标来存取数组x中的元素时，系统会收集数组x中所有在数组b中对应位置为True的元素。需要特别注意的是，通过布尔数组下标获得的数组并不与原始数组共享数据空间。此外，这种索引方式仅适用于布尔数组（array），若使用布尔列表（list）则无法达到预期效果。

>>> x = np.arange(5,0,-1)
>>> x
array([5, 4, 3, 2, 1])
>>> x[np.array([True, False, True, False, False])]
>>> # 下标为True的取出来，布尔数组中下标为0，2的元素为True，因此获取x中下标为0,2的元素
array([5, 3])
>>> x[[True, False, True, False, False]]#Error，这不是我们想要的结果
>>> # 如果是布尔列表，则把True当作1, False当作0，按照整数序列方式获取x中的元素
array([4, 5, 4, 5, 5])
>>> x[np.array([True, False, True, True])]
>>> # 布尔数组的长度不够时，不够的部分都当作False
array([5, 3, 2])
>>> x[np.array([True, False, True, True])] = -1, -2, -3#只修改下标为True的元素
>>> # 布尔数组下标也可以用来修改元素
>>> x
array([-1, 4, -2, -3, 1])

需要注意的是，布尔数组通常并非手动构建，而是通过执行一条布尔表达式自动生成，例如：

>>> x = np.random.rand(10) # 产生一个长度为10，元素值为0-1的随机数的数组
>>> x
array([ 0.72223939, 0.921226 , 0.7770805 , 0.2055047 , 0.17567449,
    0.95799412, 0.12015178, 0.7627083 , 0.43260184, 0.91379859])
>>> x>0.5
>>> # 数组x中的每个元素和0.5进行大小比较，得到一个布尔数组，True表示x中对应的值大于0.5
array([ True, True, True, False, False, True, False, True, False, True], dtype=bool)
>>> x[x>0.5]# x>0.5是一个布尔数组
>>> # 使用x>0.5返回的布尔数组收集x中的元素，因此得到的结果是x中所有大于0.5的元素的数组
array([ 0.72223939, 0.921226 , 0.7770805 , 0.95799412, 0.7627083 ,
    0.91379859])