如何根据条件有效地将函数应用于数组中的值？

Question

我有一个这样的数组arorg：

import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])

还有另一个数组values，如下所示：

values = np.array([1., 0., 2.])

values 的条目数与 arorg 的列数相同。

现在我想将函数应用于条目或arorg，具体取决于它们是正数还是负数：

def neg_fun(val1, val2):
    return val1 / (val1 + abs(val2))

def pos_fun(val1, val2):
    return 1. / ((val1 / val2) + 1.)

因此，val2 是arorg 和val1 中的（绝对）值——这是棘手的部分——来自values；如果我将pos_fun 和neg_fun 应用于arorg 中的i 列，val1 应该是values[i]。

我目前实现如下：

ar = arorg.copy()

for (x, y) in zip(*np.where(ar > 0)):
    ar.itemset((x, y), pos_fun(values[y], ar.item(x, y)))

for (x, y) in zip(*np.where(ar < 0)):
    ar.itemset((x, y), neg_fun(values[y], ar.item(x, y)))

这给了我想要的输出：

array([[ 0.5       ,  1.        ,  0.33333333],
       [ 0.33333333,  0.        ,  0.6       ]])

由于我必须经常进行这些计算，我想知道是否有更有效的方法来执行此操作。像

np.where(arorg > 0, pos_fun(xxxx), arorg)

会很棒，但我不知道如何正确传递参数（xxx）。有什么建议吗？

Answer 1

正如问题中所暗示的，这里使用np.where。

首先，我们使用函数实现的直接翻译来生成正负两种情况的值/数组。然后，使用正值掩码，我们将使用np.where 在这两个数组之间进行选择。

因此，实现看起来应该是这样的 -

# Get positive and negative values for all elements
val1 = values
val2 = arorg
neg_vals = val1 / (val1 + np.abs(val2))
pos_vals = 1. / ((val1 / val2) + 1.)

# Get a positive mask and choose between positive and negative values 
pos_mask = arorg > 0
out = np.where(pos_mask, pos_vals, neg_vals)

Answer 2

你不需要对数组的压缩元素应用函数，你可以通过简单的数组操作和切片来完成同样的事情。

首先，得到正负计算，保存为数组。然后创建一个零返回数组（就像默认值一样），并使用 pos 和 neg 的布尔切片填充它：

import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
values = np.array([1., 0., 2.])

pos = 1. / ((values / arorg) + 1)
neg = values / (values + np.abs(arorg))

ret = np.zeros_like(arorg)
ret[arorg>0] = pos[arorg>0]
ret[arorg<=0] = neg[arorg<=0]

ret
# returns:
array([[ 0.5       ,  1.        ,  0.33333333],
       [ 0.33333333,  0.        ,  0.6       ]])

Answer 3

import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
values = np.array([1., 0., 2.])
p = 1.0/(values/arorg+1)
n = values/(values+abs(arorg))
#using np.place to extract negative values and put them to p
np.place(p,arorg<0,n[arorg<0])
print(p)
[[ 0.5         1.          0.33333333]
 [ 0.33333333  0.          0.6       ]]