在迭代 n 维 numpy 数组时创建新数组答案

【问题标题】：Create new array while Iterating over a n dimensional numpy array在迭代 n 维 numpy 数组时创建新数组
【发布时间】：2017-10-18 20:06:01
【问题描述】：

如何遍历 n 维的 numpy 数组并创建一个形状相似的新数组。

例如对于输入：

import numpy as np

arr = np.array([[1,2,3],
                [4,5,6],
                [7,8,9],
                [0,0,0]])
alpha = 3.
median = np.median(arr)

我想构建一个相同 (4,3) 的新数组，并将标志设置为 1 用于随机条件。例如

flag = (arr[i,j] > median - alpha) or (arr[i,j] < median + alpha)

我会用 2 个 for 语句解决这个问题

flags = arr * 0 
for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
         flags[i,j] = (arr[i,j] > median - alpha) or (arr[i,j] < median + alpha)

有没有办法以更简单、更有效的 pythonic 方式解决这个问题？理想情况下，该解决方案也适用于 n 维数组（1,2，... n 维）

【问题讨论】：

嗯，现在你正在生成True 标志，除非arr[i,j] == median * alpha。这就是你想要的吗？
没错，这只是一个例子。我要问的是迭代过程。我将更新条件以使其更有意义

标签： python arrays numpy

【解决方案1】：

您根本不需要迭代。

np.logical_or(arr < median - alpha, arr > median + alpha)

【讨论】：

【解决方案2】：

Numpy 是为了避免循环：

alpha = 3.
median = np.median(arr)

abs(arr-median) < alpha

#array([[ True,  True,  True],
#      [ True,  True,  True],
#      [False, False, False],
#      [False, False, False]], dtype=bool)

当然，它适用于任意数量的维度。

更一般地说，每次使用numpy logic functions 制定条件时，您都可以避免循环。 Python and 和 or 运算符不映射到 numpy 数组，使用它们意味着循环和减速。

【讨论】：

当然，但您的答案是“使用”我设置的特定条件。在某些情况下，尽管这种情况可能非常复杂（甚至更糟可能根本不是一个条件），所以我想知道是否有更通用的解决方案来避免这种循环。