Функция массива Numpy с if-statement

Я использую Matplotlib и Numpy для создания некоторых графиков. Я хочу определить функцию, которая задает массив, возвращает другой массив со значениями, рассчитанными по-разному, например:

def func(x):
     return x*10

x = numpy.arrange(-1,1,0.01)
y = func(x)

Это нормально. Теперь, однако, я хочу иметь if-statement внутри func, например:

def func(x):
     if x<0:
          return 0
     else:
          return x*10

x = numpy.arrange(-1,1,0.01)
y = func(x)

Это, к сожалению, вызывает следующую ошибку:

Traceback (most recent call last):
  File "D:\Scripts\test.py", line 17, in <module>
    y = func(x)
  File "D:\Scripts\test.py", line 11, in func
    if x<0:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Я просмотрел документацию для all() и any(), и они не соответствуют счет за то, что мне нужно. Итак, есть ли хороший способ сделать элемент массива элементов массива мудрым, как в первом примере?

Ответы

Ответ 1

Используйте numpy.vectorize для переноса func перед тем, как применить его к массиву x:

from numpy import vectorize
vfunc = vectorize(func)
y = vfunc(x)

Ответ 2

Я знаю, что слишком поздно для этого ответа, но я очень рад изучению NumPy. Вы можете векторизовать функцию самостоятельно с помощью numpy.where.

def func(x):
    import numpy as np
    x = np.where(x<0, 0., x*10)
    return x

<сильные > Примеры

Использование скаляра в качестве ввода данных:

x = 10
y = func(10)
y = array(100.0)

с использованием массива в качестве ввода данных:

x = np.arange(-1,1,0.1)
y = func(x)
y = array([ -1.00000000e+00,  -9.00000000e-01,  -8.00000000e-01,
    -7.00000000e-01,  -6.00000000e-01,  -5.00000000e-01,
    -4.00000000e-01,  -3.00000000e-01,  -2.00000000e-01,
    -1.00000000e-01,  -2.22044605e-16,   1.00000000e-01,
     2.00000000e-01,   3.00000000e-01,   4.00000000e-01,
     5.00000000e-01,   6.00000000e-01,   7.00000000e-01,
     8.00000000e-01,   9.00000000e-01])

Предостережения

1) Если x - это маскированный массив, вам нужно вместо этого использовать np.ma.where, так как это работает для маскированных массивов.

Ответ 3

Это должно делать то, что вы хотите:

def func(x):
    small_indices = x < 10
    x[small_indices] = 0
    x[invert(small_indices)] *= 10
    return x

invert - это функция Numpy. Обратите внимание, что это изменяет аргумент. Чтобы этого не произошло, вам нужно будет изменить и вернуть copy x.

Ответ 4

(Я понимаю, что это старый вопрос, но...)

Есть еще один вариант, который здесь не упоминался - использование np.choose.

np.choose(
    # the boolean condition
    x < 0,
    [
        # index 0: value if condition is False
        10 * x,
        # index 1: value if condition is True
        0
    ]
)

Хотя это и не очень хорошо читается, это всего лишь одно выражение (а не серия операторов), и оно не компрометирует примитивную скорость (как np.vectorize делает np.vectorize).

Ответ 5

x = numpy.arrange(-1,1,0.01)
mask = x>=0
y = numpy.zeros(len(x))
y[mask] = x[mask]*10

mask - это логический массив, который равен True - это индексы массива, соответствующие условию, и False в другом месте. Последняя строка заменяет все значения в исходном массиве на это значение, умноженное на 10.

Отредактировано, чтобы отразить соответствующий комментарий Бьорна

Ответ 6

не уверен, зачем тебе нужна функция

x = np.arange(-1, 1, 0.01)
y = x * np.where(x < 0, 0, 10)