如何直接对NumPy中np.where获取的索引进行交集或并集运算？

没问题，我来帮你解决这个直接基于已获取索引计算并集、交集的问题，不用重新编写条件逻辑：

一、获取索引并集（初始需求） #

首先要注意：np.where返回的是包含索引数组的元组（一维数组场景下格式为(索引数组,)），所以第一步得先把索引数组从元组里提取出来，再用np.union1d计算两个索引的并集，最后用并集索引去原数组取值：

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9,10])
ind1 = np.where(a>8)
ind2 = np.where(a<3)

# 提取元组中的索引数组
idx1 = ind1[0]
idx2 = ind2[0]

# 计算两个索引的并集（自动去重并排序）
union_idx = np.union1d(idx1, idx2)

# 获取对应结果
result = a[union_idx]
print(result)  # 输出: [ 1  2  9 10]

二、获取索引交集（修正后需求） #

同样先提取索引数组，再用np.intersect1d计算两个索引的交集，就能得到同时满足两个条件的元素位置：

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9,10])
ind1 = np.where(a>8)
ind2 = np.where(a>3)

# 提取元组中的索引数组
idx1 = ind1[0]
idx2 = ind2[0]

# 计算两个索引的交集
intersect_idx = np.intersect1d(idx1, idx2)

# 获取对应结果
result = a[intersect_idx]
print(result)  # 输出: [ 9 10]

如果是多维数组场景，np.where会返回多维度的索引元组，你可以用同样的思路对每个维度的索引分别计算并集/交集，再用np.ix_重构多维索引即可，一维场景下上面的方法完全够用。

内容的提问来源于stack exchange，提问作者BAO