Numpy如何根据某一列的条件提取另一列数据并避免使用循环

使用Numpy原生的布尔索引就能完全绕过循环，实现你的需求，代码如下：

import numpy as np
from numpy import genfromtxt

df = genfromtxt('data.csv', delimiter=",")
# 按第4列的条件筛选对应行的第0列数据
data1 = df[df[:, 4] == 0, 0]
data2 = df[df[:, 4] == 1, 0]
data3 = df[df[:, 4] == 2, 0]

# 如果需要得到Python原生列表格式，可在末尾加.tolist()
# 例：data1 = df[df[:, 4] == 0, 0].tolist()

原代码无法运行的原因 #

你代码里的data1 += df[i,0]写法错误：列表的+=操作要求右侧为可迭代对象，但df[i,0]是单个浮点数值，会直接触发类型错误。如果要让循环版本跑通，把+=改成append()方法即可：data1.append(df[i,0])，但循环写法远不如向量化布尔索引高效，尤其是数据量较大时性能差距非常明显。

内容的提问来源于stack exchange，提问作者Janek Nowak