1

NumPy: Select numbers in a range

Unsolved
Data Wrangling

Difficulty: 2 | Problem written by bilaldadanlar

Educational Resource: https://cs231n.github.io/python-numpy-tutorial/


Problem reported in interviews at

Apple
Facebook
Google

Using NumPy, its easy to select some of the numbers in a numpy array based on multiple conditions. 

Given a lower bound and an upper bound, write a function that returns the list of numbers that fall within the range (inclusive).

Sample Input:
<class 'tuple'>
numbers: (1, 5, 10, 30, 45, 50, 51, -12, -5)
<class 'int'>
lower_bound: 10
<class 'int'>
upper_bound: 50

Expected Output:
<class 'list'>
[10, 30, 45, 50]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Possimus impedit neque doloribus aliquam, ipsam dolorum eaque iste dolores. Dignissimos nesciunt sunt delectus laudantium necessitatibus deleniti laborum, natus voluptates dolore unde laboriosam exercitationem accusamus veniam, laudantium ullam voluptate atque aut nulla, molestias a ipsum dolores placeat ratione, rem nisi placeat velit numquam non voluptate distinctio reiciendis eaque? Saepe asperiores dolorem facere dolor at, repellendus libero quam rem dolorem obcaecati nostrum ea commodi, nobis voluptate voluptates aut molestias.

Quidem veniam dignissimos hic consequuntur laudantium reiciendis unde, aut earum repudiandae iusto quo, dolores iusto libero impedit aut ea, atque nam exercitationem et quasi magni quae dolor, facere libero porro laboriosam quisquam amet ratione excepturi quae sapiente? Id beatae necessitatibus laboriosam illo a, quas magnam vero at, voluptatibus cum nobis maxime vitae alias aut, harum laborum cupiditate possimus dolorem debitis? Laudantium magnam voluptatibus illum delectus asperiores porro perspiciatis? Tenetur eum placeat quis ducimus dolore nisi recusandae debitis illo est quo, impedit consectetur doloribus praesentium suscipit mollitia tenetur nemo corrupti explicabo?

Adipisci suscipit commodi facilis neque at esse corporis in nulla quo porro, recusandae soluta quaerat animi suscipit vel reprehenderit, doloribus exercitationem molestias animi eos reiciendis similique ut quos, veritatis quae dignissimos perferendis exercitationem nesciunt incidunt magni quaerat, delectus in animi optio vel numquam doloribus? Sunt quos omnis modi voluptates? Dignissimos culpa cum temporibus consectetur voluptatem aliquam id saepe. Nemo sint cum.

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)