python - 如何替换数组中高于上限或低于python下限的数字？答案

【问题标题】：How can I replace numbers in an array that fall above an upper bound or below a lower bound in python?python - 如何替换数组中高于上限或低于python下限的数字？
【发布时间】：2021-04-13 11:14:55
【问题描述】：

我正在尝试从分布中随机生成数字。不属于我要替换的平均值的两个标准偏差的数字，因此最终数组中的所有数字都在这个范围内。这是我到目前为止的代码：

mean = 150
COV = 0.4
sd = COV*mean
upper_limit = mean + 2*sd
lower_limit = mean - 2*sd
capacity = np.random.normal(mean, sd, size = (1,96))
for x in capacity:
    while x > upper_limit:
        x = np.random.normal(mean, sd, size = 1)
    while x < lower_limit:
        x = np.random.normal(mean, sd, size = 1)

但是，我收到错误消息ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
谁能帮忙解决这个问题？

【问题讨论】：

是不是capacity 是一个矩阵，所以capacity 中的每个x 都是一行，但是你把它当作一个单独的元素来对待？
stackoverflow.com/questions/18441779/…

标签： python numpy

【解决方案1】：

不要遍历 numpy 数组来对数组的每个元素执行某些操作。使用numpy 的全部意义在于通过永不迭代来加快速度。

要检查capacity 中大于upper_limit 的所有值，只需执行以下操作：

capacity > upper_limit

然后，您可以通过以下方式获取这些项目的索引：

too_high_indices = np.where(capacity > upper_limit)

然后，您可以生成一个新的随机数组来分配给所有这些，例如

capacity[too_high_indices] = np.random.normal(mean, sd, size=len(too_high_indices))

最后，你这样做：

too_high_indices = np.where(capacity > upper_limit)
while np.any(too_high_indices):
    capacity[too_high_indices] = np.random.normal(
        mean, sd, size=len(too_high_indices))
    too_high_indices = np.where(capacity > upper_limit)

然后重复下限。

这样，即使尺寸变大，也会比较快。

【讨论】：

【解决方案2】：

我认为您应该将size 参数从(1, 96) 更改为96。因为这里你的x 的形状是(96,)，所以是一个数组，因此不能与单个浮点值相比较。

【讨论】：

验证我的答案，然后请 :) 很高兴它有帮助
我刚刚意识到，虽然更改大小允许代码运行，但它并没有替换两个标准差之外的任何值

【解决方案3】：

# print(capacity)
# changed = set([])
for i in range( len(capacity[0]) ):
    while capacity[0][i] > upper_limit or capacity[0][i] < lower_limit:
        capacity[0][i] = np.random.normal(mean, sd, size = 1)[0]
        # changed.add(i)
# print(capacity)
# print(changed)

【讨论】：