将条件函数应用于numpy数组的每个元素[重复]

Question

我有这个功能：

if elem < 0:
    elem = 0
else:
    elem = 1

我想将此函数应用于 NumPy 数组中的每个元素，当仅针对相同维度执行此函数时，可以使用 for loop 来完成。但在这种情况下，无论数组尺寸和形状如何，我都需要它工作。有什么方法可以在 Python 中使用 NumPy 实现吗？

或者是否有任何通用方法可以将任何def 应用于 NumPy n 维数组中的每个元素？

Answer 1

你可以这样做：

import numpy as np

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

a[a>=0]=1
a[a<0]=0

>>> a
array([0, 0, 1, 1, 1])

Answer 2

np.where

np.where(arr < 0, 0, 1)

Answer 3

不是吗

arr = (arr >= 0).astype(int)

Answer 4

使用 numpy.vectorize()：

import numpy as np

def unit(elem):
    if elem < 0:
        elem = 0
    else:
        elem = 1
a = np.array([[1, 2, -0.5], [0.5, 2, 3]])
vfunc = np.vectorize(unit)
vfunc(a)

# array([[1, 1, 0], [1, 1, 1]])

Answer 5

您可以使用布尔掩码来定义决策数组。让我们通过一个具体的例子来工作。您有一个正数和负数数组，并且您只想在正数位置取平方根：

arr = np.random.normal(size=100)

你计算一个类似的掩码

mask = arr >= 0

应用掩码最直接的方法是创建一个输出数组，并填写所需的元素：

result = np.empty(arr.shape)
result[mask] = np.sqrt(arr[mask])
result[~mask] = arr[~mask]

这不是超级高效，因为您必须计算掩码的逆并多次应用它。对于这个特定示例，您可以利用 np.sqrt 是 ufunc 的事实并使用其 where keyword：

result = arr.copy()
np.sqrt(arr, where=mask, out=result)

应用蒙版的一种流行方法是使用np.where，但我特意构建了这个示例来说明注意事项。最简单的方法是计算

result = np.where(mask, np.sqrt(arr), arr)

where 根据mask 是否为真，从np.sqrt(arr) 或arr 中选择值。在许多情况下，这是一种非常好的方法，但您必须为两个分支预先计算值，这正是平方根要避免的。

TL;DR

您的具体示例是寻找掩码本身的表示。如果你不关心类型：

result = arr >= 0

如果您确实关心类型：

result = (arr >= 0).astype(int)

或

result = -np.clip(arr, -1, 0)

这些解决方案会创建与输入不同的数组。如果要替换同一缓冲区中的值，

mask = arr >= 0
arr[mask] = 1
arr[~mask] = 0

Answer 6

上述解决方案的替代方案是将列表理解与三元运算符相结合。

my_array = np.array([-1.2, 3.0, -10.11, 5.2])
sol = np.asarray([0 if val < 0 else 1 for val in my_array])

看看这些来源 https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions https://book.pythontips.com/en/latest/ternary_operators.html