选择点的X和Y坐标：
xy_pts = pts[:,[0,1]]
现在，只需在比较中使用xy_pts而不是pts：
inidx = np.all((ll <= xy_pts) & (xy_pts <= ur), axis=1)
我有多个存储在二维numpy数组中的点云文件中的数百万个xyz坐标：[[x1, y1, z1], [x2, y2, z2],..., [xn, yn, zn]]。
我想过滤由4个坐标（[[x1, y1], [x2, y2]]即矩形的左下角和右上角坐标）描述的特定边界框内的所有点。
我已经找到了以下代码来用numpy过滤坐标，这几乎是我想要的。唯一的区别是（如果我做对了）我的二维数组也具有z坐标。
import random
import numpy as np
points = [(random.random(), random.random()) for i in range(100)]
bx1, bx2 = sorted([random.random(), random.random()])
by1, by2 = sorted([random.random(), random.random()])
pts = np.array(points)
ll = np.array([bx1, by1]) # lower-left
ur = np.array([bx2, by2]) # upper-right
inidx = np.all(np.logical_and(ll <= pts, pts <= ur), axis=1)
inbox = pts[inidx]
outbox = pts[np.logical_not(inidx)]
我如何修改上面的代码以使其与xyz坐标一起工作，并通过由两个xy坐标描述的边界框进行过滤？
选择点的X和Y坐标：
xy_pts = pts[:,[0,1]]
现在，只需在比较中使用xy_pts而不是pts：
inidx = np.all((ll <= xy_pts) & (xy_pts <= ur), axis=1)
但是像这样我会丢失z信息，还是不会？我绝对需要保留这些以供以后计算。
@conste您将使用原始的3D
pts构造inbox。