将 if 和 elif 语句转换为 numpy 形式答案

【问题标题】：Turning and if and elif statement into numpy form将 if 和 elif 语句转换为 numpy 形式
【发布时间】：2021-04-27 13:59:06
【问题描述】：

如果PC_list 数组越过Upper 或Lower 边界，我希望代码打印为true。我本质上是在尝试将 vanilla python 代码转换为 numpy 版本，所以它更快。 if 函数查找 PC_list 是否跨越了上或下 numpy 数组。虽然运行 numpy.select 函数时出现索引超出边界错误。 IndexError: index 25 is out of bounds for axis 0 with size 25

numpy 版本：

PC_list = np.random.rand(1,25)
Upper = np.random.rand(1,25) 
Lower = np.random.rand(1,25)

#Configs
Lower = 0.2  #Lower and upper boundary values 
Upper = 2
number = 10000   #used for calculations with stand deriv and linear reg
position_value = 0 
conditions= [
    ((PC_list[PC_x_list+1]<lower[Boundary_x_list+1]!=PC_list[PC_x_list]>lower[Boundary_x_list]|PC_list[PC_x_list+1]>lower[Boundary_x_list+1]!=PC_list[PC_x_list]<lower[Boundary_x_list])&(position_value==0|position_value==2))|((Boundary_x_list==Boundary_x_list[-2])&(position_value==0|position_value==2)),
    ((PC_list[PC_x_list+1]<upper[Boundary_x_list+1]!=PC_list[PC_x_list]>upper[Boundary_x_list]|PC_list[PC_x_list+1]<upper[Boundary_x_list+1]!=PC_list[PC_x_list]>upper[Boundary_x_list])&(position_value==0|position_value==1))|((Boundary_x_list==Boundary_x_list[-2])&(position_value==0|position_value==1))
    
]

choices = [
    print("lower cross"),
    print("upper cross")
    
]

np.select(conditions, choices, default = 'NA')

香草python版本：

for i in range (len(PC_list)):
    if ((PC_list[i+number-1] < lower[i-1] != PC_list[i+number] > lower[i] or PC_list[i+number-1] > lower[i-1] != PC_list[i+number] < lower[i]) and (position_value==0 or position_value==2)) or ((i == len(PC_list)-number-1) and (position_value==0 or position_value==2)):         
        print("lower cross")    
    elif ((PC_list[(i+number)-1] < upper[i-1] != PC_list[i+number] > upper[i] or PC_list[(i+number)-1] < upper[i-1] != PC_list[i+number] > upper[i]) and (position_value==0 or position_value==1)) or ((i == len(PC_list)-number-1) and (position_value==0 or position_value==1)):
          print("upper cross")

【问题讨论】：

您能否详细解释一下您认为这些长期条件在做什么？某些运算符优先级看起来不太正确。
你为什么要做Upper = np.random.rand(1,25) 只是为了在几行之后将其设置为常数？
能否提供样例输入输出？
看choices。我希望它是[None,None]。 select 不是条件操作。相反，它返回一个数组，其值来自choices。您需要逐步测试此代码。

标签： python numpy loops indexing range

【解决方案1】：

您确定是 np.select 引发了索引错误吗？您可能需要显示实际的回溯。

但我认为你对select 的工作原理有错误的想法。它更像是对 3 参数np.where 的概括。让我举例说明：

In [165]: x=np.arange(5)
In [166]: conditions = [x<2, x>3]
In [167]: choices = ['A','B']
In [168]: np.select(conditions, choices, default='C')
Out[168]: array(['A', 'A', 'C', 'C', 'B'], dtype='<U1')

它返回一个数组，其值取自choices 和default。它不会“运行”任何东西。

如果我像你一样构造一个choices：

In [169]: choices = [print('A'), print('B')]
A
B
In [170]: np.select(conditions, choices, default='C')
Out[170]: array([None, None, 'C', 'C', None], dtype=object)

当构建选择时，打印发生在 [169] 中。 select 中什么也没有发生，除了从 choices 的值之一中选择 - 它们都是 None。

In [171]: choices
Out[171]: [None, None]

【讨论】：