NumPy：如何过滤矩阵行

我是 numpy 的新手，在尝试过滤样本的子集时遇到困难。

我有一个形状为的矩阵(1000, 12)。即 1000 个样本，每个样本有 12 个数据列。我愿意创建两个矩阵，一个包含样本中的所有异常值，另一个包含所有非异常值的元素；生成的矩阵应具有以下形状：

norm.shape     = (883, 12)
outliers.shape = (117, 12)

为了识别异常值，我使用以下条件：

cond_out  = (dados[0:,RD_EVAL] > _max_rd) | (dados[0:,DUT_EVAL] > _max_dut)

也就是说，对于矩阵中的每一行，我正在查找两列的值。如果其中一个高于某一阈值，则该线被视为异常值。关键是，这个条件有一个形状(1000,)，所以当我压缩原始矩阵时，我得到一个(117,)结果。我怎样才能过滤矩阵，结果是(117,12)，即一个矩阵，其中所有行都是异常值，但每行中都包含所有数据列？

import numpy as np

d=np.random.randn(4,4)

array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
       [ 0.53350868, -0.8004209 ,  0.38477468,  1.31876924],
       [ 0.06461366,  0.82204993,  0.42034665,  0.30473843],
       [ 1.13469745, -1.47969242,  2.36338208, -0.33700972]])

让我们过滤第二列中所有小于零的行：

d[:,1]<0
array([ True,  True, False,  True], dtype=bool)

您会看到，您得到了一个逻辑数组，您可以使用它来选择所需的行：

d[d[:,1]<0,:]

array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
       [ 0.53350868, -0.8004209 ,  0.38477468,  1.31876924],
       [ 1.13469745, -1.47969242,  2.36338208, -0.33700972]])