从现有数组中取出一些元素并从中创建新数组称为过滤(filtering)。
在 NumPy 中，我们使用布尔索引列表来过滤数组。
布尔索引列表是与数组中的索引相对应的布尔值列表。
如果索引处的值为 True，则该元素包含在过滤后的数组中；如果索引处的值为 False，则该元素将从过滤后的数组中排除。
用索引 0 和 2、4 上的元素创建一个数组：
import numpy as np arr = np.array([61, 62, 63, 64, 65]) x = [True, False, True, False, True] newarr = arr[x] print(newarr)
运行结果：
[61 63 65]
上例将返回 [61, 63, 65]，为什么？
因为新过滤器仅包含过滤器数组有值 True 的值，所以在这种情况下，索引为 0 和 2、4。
在上例中，我们对 True 和 False 值进行了硬编码，但通常的用途是根据条件创建过滤器数组。
创建一个仅返回大于 62 的值的过滤器数组：
import numpy as np arr = np.array([61, 62, 63, 64, 65]) # 创建一个空列表 filter_arr = [] # 遍历 arr 中的每个元素 for element in arr: # 如果元素大于 62，则将值设置为 True，否则为 False： if element > 62: filter_arr.append(True) else: filter_arr.append(False) newarr = arr[filter_arr] print(filter_arr) print(newarr)
运行结果：
[False, False, True, True, True] [63 64 65]
创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) # 创建一个空列表 filter_arr = [] # 遍历 arr 中的每个元素 for element in arr: # 如果元素可以被 2 整除，则将值设置为 True，否则设置为 False if element % 2 == 0: filter_arr.append(True) else: filter_arr.append(False) newarr = arr[filter_arr] print(filter_arr) print(newarr)
运行结果：
[False, True, False, True, False, True, False] [2 4 6]
上例是 NumPy 中非常常见的任务，NumPy 提供了解决该问题的好方法。
我们可以在条件中直接替换数组而不是 iterable 变量，它会如我们期望地那样工作。
创建一个仅返回大于 62 的值的过滤器数组：
import numpy as np arr = np.array([61, 62, 63, 64, 65]) filter_arr = arr > 62 newarr = arr[filter_arr] print(filter_arr) print(newarr)
运行结果：
[False False True True True] [63 64 65]
创建一个过滤器数组，该数组仅返回原始数组中的偶数元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) filter_arr = arr % 2 == 0 newarr = arr[filter_arr] print(filter_arr) print(newarr)
运行结果：
[False True False True False True False] [2 4 6]