您可以使用来获取索引并设置两个条件：np.wherenp.logical_and

import numpy as np
a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])

np.where(np.logical_and(a>=6, a<=10))
# returns (array([3, 4, 5]),)

我想我会添加这个，因为您给出的示例中已排序：a

import numpy as np
a = [1, 3, 5, 6, 9, 10, 14, 15, 56] 
start = np.searchsorted(a, 6, 'left')
end = np.searchsorted(a, 10, 'right')
rng = np.arange(start, end)
rng
# array([3, 4, 5])

就像@deinonychusaur的回复一样，但更紧凑：

In [7]: np.where((a >= 6) & (a <=10))
Out[7]: (array([3, 4, 5]),)

s=[52, 33, 70, 39, 57, 59, 7, 2, 46, 69, 11, 74, 58, 60, 63, 43, 75, 92, 65, 19, 1, 79, 22, 38, 26, 3, 66, 88, 9, 15, 28, 44, 67, 87, 21, 49, 85, 32, 89, 77, 47, 93, 35, 12, 73, 76, 50, 45, 5, 29, 97, 94, 95, 56, 48, 71, 54, 55, 51, 23, 84, 80, 62, 30, 13, 34]

dic={}

for i in range(0,len(s),10):
    dic[i,i+10]=list(filter(lambda x:((x>=i)&(x<i+10)),s))
print(dic)

for keys,values in dic.items():
    print(keys)
    print(values)

输出：

(0, 10)
[7, 2, 1, 3, 9, 5]
(20, 30)
[22, 26, 28, 21, 29, 23]
(30, 40)
[33, 39, 38, 32, 35, 30, 34]
(10, 20)
[11, 19, 15, 12, 13]
(40, 50)
[46, 43, 44, 49, 47, 45, 48]
(60, 70)
[69, 60, 63, 65, 66, 67, 62]
(50, 60)
[52, 57, 59, 58, 50, 56, 54, 55, 51]  

a = np.array([1,2,3,4,5,6,7,8,9])
b = a[(a>2) & (a<8)]

您可以使用来实现相同的目的：np.clip()

a = [1, 3, 5, 6, 9, 10, 14, 15, 56]  
np.clip(a,6,10)

但是，它分别包含小于和大于 6 和 10 的值。

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
np.argwhere((a>=6) & (a<=10))

此代码片段返回两个值之间的 numpy 数组中的所有数字：

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56] )
a[(a>6)*(a<10)]

它的工作原理如下： （a>6） 返回一个 numpy 数组，其中 True （1） 和 False （0），（a<10） 也是如此。通过将这两者相乘，如果两个语句都是 True（因为 1x1 = 1）或 False（因为 0x0 = 0 和 1x0 = 0），则得到一个具有 True 的数组。

部分 a[...] 返回数组 a 的所有值，其中括号之间的数组返回 True 语句。

当然，你可以通过举例说

...*(1-a<10) 

这类似于“和 Not”语句。

这可能不是最漂亮的，但适用于任何维度

a = np.array([[-1,2], [1,5], [6,7], [5,2], [3,4], [0, 0], [-1,-1]])
ranges = (0,4), (0,4) 

def conditionRange(X : np.ndarray, ranges : list) -> np.ndarray:
    idx = set()
    for column, r in enumerate(ranges):
        tmp = np.where(np.logical_and(X[:, column] >= r[0], X[:, column] <= r[1]))[0]
        if idx:
            idx = idx & set(tmp)
        else:
            idx = set(tmp)
    idx = np.array(list(idx))
    return X[idx, :]

b = conditionRange(a, ranges)
print(b)

另一种方式是：

np.vectorize(lambda x: 6 <= x <= 10)(a)

返回：

array([False, False, False,  True,  True,  True, False, False, False])

它有时可用于屏蔽时间序列、向量等。

想要将 numexpr 添加到组合中：

import numpy as np
import numexpr as ne

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])  

np.where(ne.evaluate("(6 <= a) & (a <= 10)"))[0]
# array([3, 4, 5], dtype=int64)

只对拥有数百万个的大型阵列才有意义......或者如果您达到内存限制。

答案摘要

为了理解什么是最佳答案，我们可以使用不同的解决方案进行一些计时。 不幸的是，这个问题没有很好地提出，所以有不同的问题的答案，在这里我试图将答案指向同一个问题。给定数组：

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])

答案应该是某个范围之间的元素索引，我们假设包括，在本例中为 6 和 10。

answer = (3, 4, 5)

对应于值 6,9,10。

为了测试最佳答案，我们可以使用此代码。

import timeit
setup = """
import numpy as np
import numexpr as ne

a = np.array([1, 3, 5, 6, 9, 10, 14, 15, 56])
# or test it with an array of the similar size
# a = np.random.rand(100)*23 # change the number to the an estimate of your array size.

# we define the left and right limit
ll = 6
rl = 10

def sorted_slice(a,l,r):
    start = np.searchsorted(a, l, 'left')
    end = np.searchsorted(a, r, 'right')
    return np.arange(start,end)
"""

functions = ['sorted_slice(a,ll,rl)', # works only for sorted values
'np.where(np.logical_and(a>=ll, a<=rl))[0]',
'np.where((a >= ll) & (a <=rl))[0]',
'np.where((a>=ll)*(a<=rl))[0]',
'np.where(np.vectorize(lambda x: ll <= x <= rl)(a))[0]',
'np.argwhere((a>=ll) & (a<=rl)).T[0]', # we traspose for getting a single row
'np.where(ne.evaluate("(ll <= a) & (a <= rl)"))[0]',]

functions2 = [
   'a[np.logical_and(a>=ll, a<=rl)]',
   'a[(a>=ll) & (a<=rl)]',
   'a[(a>=ll)*(a<=rl)]',
   'a[np.vectorize(lambda x: ll <= x <= rl)(a)]',
   'a[ne.evaluate("(ll <= a) & (a <= rl)")]',
]

rdict = {}
for i in functions:
    rdict[i] = timeit.timeit(i,setup=setup,number=1000)
    print("%s -> %s s" %(i,rdict[i]))

print("Sorted:")
for w in sorted(rdict, key=rdict.get):
    print(w, rdict[w])

结果

如下图所示，小数组（顶部是最快的解决方案）的结果如下图所示@EZLearner它们可能因数组的大小而异。 对于较大的数组可能会更快，但它需要对数组进行排序，因为条目超过 10 M 的数组可能是一种选择。因此，最好使用与您的数组相同大小的数组执行此测试：sorted slicene.evaluate

如果要提取值而不是索引，则可以使用 functions2 执行测试，但结果几乎相同。