我有一个数组arorg
这样:
import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
和另一个数组values
,如下:
values = np.array([1., 0., 2.])
values
具有与arorg
相同的条目。
现在,我想将功能应用于条目或arorg
,具体取决于它们是正还是负面的:
def neg_fun(val1, val2):
return val1 / (val1 + abs(val2))
def pos_fun(val1, val2):
return 1. / ((val1 / val2) + 1.)
因此, val2
是 arorg
和 val1
中的(绝对(值 - 这是棘手的部分 - 来自 values
;如果我将pos_fun
和neg_fun
应用于arorg
中的i
,则val1
应为values[i]
。
我目前实现了以下内容:
ar = arorg.copy()
for (x, y) in zip(*np.where(ar > 0)):
ar.itemset((x, y), pos_fun(values[y], ar.item(x, y)))
for (x, y) in zip(*np.where(ar < 0)):
ar.itemset((x, y), neg_fun(values[y], ar.item(x, y)))
给我所需的输出:
array([[ 0.5 , 1. , 0.33333333],
[ 0.33333333, 0. , 0.6 ]])
我经常进行这些计算,我想知道是否有更有效的方法可以这样做。像
np.where(arorg > 0, pos_fun(xxxx), arorg)
很棒,但我不知道如何正确地通过参数(xxx
(。有任何建议吗?
,如问题所示,这是使用np.where
。
首先,我们使用函数实现的直接翻译来生成正案例和负面案例的值/数组。然后,使用一个正值的掩码,我们将使用np.where
在这两个数组之间进行选择。
因此,实现将符合这些行 -
# Get positive and negative values for all elements
val1 = values
val2 = arorg
neg_vals = val1 / (val1 + np.abs(val2))
pos_vals = 1. / ((val1 / val2) + 1.)
# Get a positive mask and choose between positive and negative values
pos_mask = arorg > 0
out = np.where(pos_mask, pos_vals, neg_vals)
您不需要将功能应用于数组的拉链元素,您可以通过简单的数组操作和切片来完成相同的事情。
首先,获取正面和负计算,保存为数组。然后创建一个零的返回数组(作为默认值(,并使用pos
和neg
的布尔片填充它:
import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
values = np.array([1., 0., 2.])
pos = 1. / ((values / arorg) + 1)
neg = values / (values + np.abs(arorg))
ret = np.zeros_like(arorg)
ret[arorg>0] = pos[arorg>0]
ret[arorg<=0] = neg[arorg<=0]
ret
# returns:
array([[ 0.5 , 1. , 0.33333333],
[ 0.33333333, 0. , 0.6 ]])
import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
values = np.array([1., 0., 2.])
p = 1.0/(values/arorg+1)
n = values/(values+abs(arorg))
#using np.place to extract negative values and put them to p
np.place(p,arorg<0,n[arorg<0])
print(p)
[[ 0.5 1. 0.33333333]
[ 0.33333333 0. 0.6 ]]