如何用Numpy筛选处于均值±标准差区间内的数组元素

原始数据与已有计算 #

首先定义目标数组，并完成加权均值、标准差的计算：

import numpy as np

lycop = np.array([[14, 15, 16, 17, 18, 19, 20, 21, 22, 23], 
                 [1, 1, 8, 24, 48, 58, 35, 16, 8, 1]])

# 加权均值
lycop_media = (lycop[0]*lycop[1]).sum()/lycop[1].sum()  # 结果为18.83
# 标准差（注意：原代码中**1/2是错误写法，正确应为**0.5或np.sqrt，这里按已得到的1.09555计算）
lycop_std = 1.09555

已成功生成两个区间的数组：

# 筛选小于均值-标准差的元素
a1 = lycop[0][(lycop[0] < (lycop_media - lycop_std))]
# 输出：array([14, 15, 16, 17])

# 筛选大于均值+标准差的元素
a2 = lycop[0][(lycop[0] > (lycop_media + lycop_std))]
# 输出：array([20, 21, 22, 23])

正确生成区间内数组a3 #

要筛选满足μ−σ < d < μ+σ的元素，直接用布尔索引组合两个条件即可，无需多余的列表包裹或手动指定数值：

# 计算区间上下限
lower = lycop_media - lycop_std
upper = lycop_media + lycop_std

# 筛选处于区间内的元素
a3 = lycop[0][(lycop[0] > lower) & (lycop[0] < upper)]

执行后得到结果：array([18, 19])，完全符合需求。

错误原因说明 #

• 第一次尝试的条件逻辑错误，写成了(lycop[0] < 均值-标准差) & (lycop[0] < 均值+标准差)，实际应该是大于下限且小于上限；同时无需用np.where再套列表，直接用布尔索引即可提取元素。
• 第二次尝试手动指定18、19，属于硬编码，无法适应数据变化，不是通用解法。

内容的提问来源于stack exchange，提问作者Mesjenet