我有一个三维矩阵

import numpy as np
matrix = np.random.randn(100,10,500)

• X尺寸：数据样本
• Y尺寸：参数/变量类型
• Z尺寸：位置

在上面的矩阵中，10个变量在500个位置上有100个样本。例如，如果我索引变量#1，那么我在500个位置中的每个位置上都有该变量的100个样本（跨度为20秒）。
我需要确定哪些数据样本和哪些位置符合特定条件。（为特定变量/参数编制索引），并成对出现，说明样本和条件匹配的位置。例如，上述3D矩阵的匹配将在sample = 50和location = 31处。我通常将其返回为tuples的array，其中每个tuple包含样本和位置编号。
标准可以规定一个或多个：

• 数值范围：例如在-1.0和5.5之间
• 个体值：例如，值必须== 1.39

可以为一个或多个指定这些范围和单个值：

• 变量/参数

例如：

• 参数#1（Y轴索引= 0）：（-1.0至5.5）或（10.3至12.1）或20.32
• 参数#5（Y指数= 4）：10.0或（1.0至800.0）
• 参数#8（Y轴索引= 7）：（50至100）

此外，我还需要反转条件的能力，例如：

• 参数#1（Y轴索引= 0）：非（（-1.0至5.5）或（10.3至12.1）或20.32）

我将需要具有指示样本索引（X轴）和位置索引（Z轴）的元组列表，其中参数#1和参数#5和参数#8匹配它们在3D矩阵中的条件。
我一直在研究intersect1D，也一直在循环中使用np.where，这非常非常低效，例如：

import numpy as np
matrix = np.random.randn(100,10,500)

net_array = None
for parameter in parameters: 

    total_result = None
    
    for lower_range_value, upper_range_value in range_values[parameter]:
        result = np.where( (matrix[:,parameter,:] >= lower_range_value) & (matrix[:,parameter,:] <= upper_range_value)
        
        if result[0].size > 0: 
            if type(total_result) == type(None):
                total_result = result
            else: 
                concat_0 = np.concatenate( (total_result[0], result[0]) )
                concat_1 = np.concatenate( (total_result[1], result[1]) )
                total_result = (concat_0,concat_1)
            
    for discrete_value in discrete_values[parameter]:
        result = np.where( matrix[:,parameter,:] == threshold )
        
        if result[0].size > 0:
            if type(total_result) == type(None):
                total_result = result
            else: 
                concat_0 = np.concatenate( (total_result[0], result[0]) )
                concat_1 = np.concatenate( (total_result[1], result[1]) )
                total_result = (concat_0,concat_1)

    if type(total_result) != type(None): 
        if type(net_array) == type(None): 
            net_array = np.stack( [ total_result[0] , total_result[1] ] , axis = -1) 
        else: 
            stacked_total_result = np.stack( [ total_result[0] , total_result[1] ] , axis=-1 )
            match_indexes = (net_array[:,None] == stacked_total_result).all(-1).any(1)
            net_array = net_array[match_indexes]
            if np.any(match_indexes) == False: 
                break

是否有一种有效的方法来查找样本索引（X轴）和位置索引（Z轴），其中一个或多个参数（Y轴）均匹配其标准？