如何用Numpy通过索引实现多条件图像数据筛选？

你可以利用Numpy的向量化布尔掩码实现单行筛选，避免低效的双重循环。之前的Z[y>0, x>0]报错是因为y>0是长度为51的一维数组，x>0是长度为101的一维数组，二者无法直接匹配二维数组Z的索引维度。而meshgrid生成的X、Y是和Z同形状的二维数组，用它们生成的布尔掩码可以直接对应Z的每个元素位置。

两种简洁实现方式： #

1. 布尔掩码直接相乘：利用布尔值在运算中会被转为0/1的特性，直接保留符合条件的元素，其余置0：

newZ = Z * ((X > 0) & (Y > 0))

2. 使用np.where显式赋值：更直观地指定符合条件时取Z的值，否则取0：

newZ = np.where((X > 0) & (Y > 0), Z, 0)

完整示例代码： #

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-1, 1, 101)
y = np.linspace(-1, 1, 51)

X, Y = np.meshgrid(x, y)
Z = np.exp(X**2 + Y**2)

# 二选一即可
newZ = Z * ((X > 0) & (Y > 0))
# newZ = np.where((X > 0) & (Y > 0), Z, 0)

plt.contourf(x, y, newZ)
plt.show()

这两种方式都是Numpy原生的向量化操作，执行效率远高于双重循环，尤其适合处理大规模图像数据。

内容的提问来源于stack exchange，提问作者mmonti