Python中如何使用np.where()获取二维数组满足多条件的元素坐标

原代码报错/结果不符合预期的核心原因是：第一次通过np.where(a>10)得到的y、x是长度为4的一维索引数组，执行b[y, x] > c[y, x]得到的是长度为4的一维布尔数组，此时再用np.where得到的索引是对应这个一维数组的位置，而非原5×3二维数组的坐标，无法直接映射回原数组位置。

共有两种常用实现方式：

方式1：分步过滤（符合你需求的分步逻辑） #

import numpy as np

a = np.arange(15).reshape(5, 3)
b = np.arange(15).reshape(5, 3)
c = np.arange(10, 25).reshape(5, 3)
c[4, 0] = 1
c[4, 1] = 1

# 第一步：获取a中元素大于10的所有坐标
y0, x0 = np.where(a > 10)
# 第二步：在上述坐标位置对比b和c的元素值，得到符合条件的掩码
mask = b[y0, x0] > c[y0, x0]
# 第三步：用掩码过滤得到最终坐标
res_coords = list(zip(y0[mask], x0[mask]))
print(res_coords)

方式2：组合条件一步到位 #

利用numpy数组的广播特性，直接组合两个判断条件，一步拿到符合要求的原数组坐标：

y, x = np.where((a > 10) & (b > c))
res_coords = list(zip(y, x))
print(res_coords)

两种方式的输出均为[(4, 0), (4, 1)]，完全匹配需求。

内容的提问来源于stack exchange，提问作者John B