基于Numpy实现筛选标签为1且第一特征非负样本的函数

要实现满足需求的函数，我们可以利用Numpy的布尔索引特性高效筛选样本，具体代码如下：

import numpy as np

def preprocessing_matrix(samples, labels):
    # 将输入转换为Numpy数组，兼容列表类输入
    samples = np.asarray(samples)
    labels = np.asarray(labels)
    
    # 生成标签为1的掩码
    label_condition = labels == 1
    # 生成第一特征（第0列）非负的掩码
    feature_condition = samples[:, 0] >= 0
    
    # 合并两个条件，仅保留同时满足的样本
    valid_samples = samples[label_condition & feature_condition]
    
    return valid_samples

代码说明 #

• 输入兼容：用np.asarray转换输入，确保无论传入列表还是Numpy数组都能正常处理
• 条件掩码：分别生成两个条件的布尔数组，再通过&（逻辑与）合并，得到同时满足两个条件的样本索引
• 高效筛选：直接用布尔掩码索引样本矩阵，这是Numpy中最高效的筛选方式之一

测试验证 #

# 构造测试数据
test_samples = [[-1, 3], [2, 5], [4, 1], [-3, 2]]
test_labels = [1, 1, 0, 1]

# 调用函数
filtered = preprocessing_matrix(test_samples, test_labels)
print(filtered)
# 输出结果：[[2 5]]

内容的提问来源于stack exchange，提问作者Sie. Theos