如何提取列表中满足元素对双条件的numpy数组对

代码没有剔除任何点、返回10000个点的原因有三点：

• 判断条件缺失：你写的conditions函数仅校验了点是否在外接矩形范围内，而生成kx时x已经被限制在[-1/√3, 1/√3]，ky也已经被限制在[-2/3, 2/3]，所有候选点天然满足你写的判断规则，自然掩码全为True。你完全漏掉了正六边形斜边的约束条件。
• 点生成逻辑错误：用列表推导式对kx、ky做笛卡尔积生成的是规则网格点，不是独立随机分布的点集。
• API使用错误：np.extract会将数组扁平化后提取元素，最终无法得到N行2列的点坐标结构。

你当前外接矩形对应的是左右边竖直、上下为顶点的正六边形，它的完整边界约束有三个：

• 左右竖直边：|x| ≤ 1/√3
• 上下顶点边界：|y| ≤ 2/3
• 四条斜边约束：|x|/√3 + |y| ≤ 2/3（这是裁掉矩形四个角多余点的核心判断，也是你之前漏掉的逻辑）

拒绝采样是实现这个需求最简单的方案，因为外接矩形内点的有效率为75%，采样效率很高：

import numpy as np
from scipy import stats as sps

target_count = 100  # 目标生成的六边形内点数量
valid_points = []

while len(valid_points) < target_count:
    # 每批生成2倍剩余所需量的候选点，减少循环次数
    batch_size = (target_count - len(valid_points)) * 2
    # 独立生成外接矩形内的随机x、y坐标，按下标一一配对为点
    kx = 1 / np.sqrt(3) * sps.uniform.rvs(loc=-1, scale=2, size=batch_size)
    ky = 2 / 3 * sps.uniform.rvs(loc=-1, scale=2, size=batch_size)
    # 应用完整六边形约束生成掩码
    mask = (
        (np.abs(kx) <= 1 / np.sqrt(3))
        & (np.abs(ky) <= 2 / 3)
        & (np.abs(kx) / np.sqrt(3) + np.abs(ky) <= 2 / 3)
    )
    # 收集符合条件的点
    valid_points.extend(zip(kx[mask], ky[mask]))

# 截取刚好目标数量的点，转为numpy坐标数组
hex_points = np.array(valid_points[:target_count])
print(f"生成六边形内随机点数量：{len(hex_points)}")

如果不想用拒绝采样，可以将正六边形拆分为6个以原点为公共顶点的等边三角形，先按三角形面积权重随机选择目标三角形，再在三角形内生成均匀随机点，这种方案没有点浪费，但需要额外写三角形采样逻辑，对于小规模点集场景，拒绝采样的实现成本和运行效率已经足够优。

内容的提问来源于stack exchange，提问作者goroshek