如何在Numpy数组中查找满足越过阈值及阈值后最大值条件的最小值索引

没问题，我来帮你搞定这个Numpy数组的索引查找需求！

先明确你的核心需求：从数组 y = np.array([9.7, 10.1, 10.5, 10.2, 10.1, 9.9, 9.8]) 中找到满足以下条件的最小值的索引：

• 数值超过阈值（此处为10）
• 位于数组中阈值后的最大值（即10.5）之后的位置
• 最终目标最小值是10.1，对应的索引为4

接下来我们一步步补全并优化你的代码：

步骤1：定义基础变量 #

先把数组、阈值、最大值相关的变量明确下来：

import numpy as np

y = np.array([9.7, 10.1, 10.5, 10.2, 10.1, 9.9, 9.8])
threshold = 10
# 先筛选出阈值后的所有元素，再取最大值
post_threshold_elements = y[y > threshold]
max_height = np.max(post_threshold_elements)
# 找到这个最大值在原数组中的索引
max_index = np.where(y == max_height)[0][0]

步骤2：构建复合条件并查找目标索引 #

我们需要同时满足三个条件，这里分两种场景实现：

场景1：动态查找符合条件的最小值 #

如果不确定目标最小值，先筛选出满足前两个条件的元素，再从中找最小值并获取索引：

# 构建复合掩码：索引在最大值之后，且数值超过阈值
mask = np.logical_and(np.arange(len(y)) > max_index, y > threshold)
# 筛选符合条件的元素
filtered_elements = y[mask]
# 找到其中的最小值
target_min = np.min(filtered_elements)
# 获取该最小值的索引
target_index = np.where(np.logical_and(mask, y == target_min))[0][0]

print(target_index)  # 输出：4

场景2：已知目标最小值（10.1） #

如果已经明确要找的最小值是10.1，可以直接把该条件加入组合：

target_index = np.where(np.logical_and(
    np.arange(len(y)) > max_index,
    np.logical_and(y > threshold, y == 10.1)
))[0][0]

关键代码说明 #

• np.arange(len(y)) 生成和数组长度一致的索引序列，用来判断元素是否位于最大值之后
• np.logical_and 用来组合多个布尔条件，确保所有要求同时满足
• 用np.where获取符合条件的索引时，因为可能存在多个匹配结果（比如这里10.1出现了两次），所以取[0][0]得到最大值之后的第一个匹配索引

内容的提问来源于stack exchange，提问作者Human Error