如何提取numpy数组指定区间片段 边界值无对应索引的解决方法

通用方案（无需x有序） #

直接通过布尔掩码筛选区间内的所有数据，无需提前查找边界索引，兼容性最好：

# 筛选出x在[8.6075, 8.62]区间内的所有对应数据
mask = (x >= 8.6075) & (x <= 8.62)
x_cut = x[mask]
y_cut = y[mask]

高效方案（适用于x严格单调递增的场景） #

如果x是有序数组，用np.searchsorted查找边界索引后切片，处理超大数组时效率更高：

# 左边界：第一个大于等于8.6075的索引
left_idx = np.searchsorted(x, 8.6075, side='left')
# 右边界：第一个大于8.62的索引
right_idx = np.searchsorted(x, 8.62, side='right')
# 切片提取目标片段
x_cut = x[left_idx:right_idx]
y_cut = y[left_idx:right_idx]

原方法失效的核心原因是浮点数精度问题：浮点型数值存储时存在微小舍入误差，直接用==做等值判断大概率会匹配失败，区间范围判断是更稳妥的处理方式。

内容的提问来源于stack exchange，提问作者trynerror