我有一个arorg这样的数组：
import numpy as np
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]])
和另一个values如下所示的数组：
values = np.array([1., 0., 2.])
values条目数与arorg列数相同。
现在我想将函数应用于条目或arorg取决于它们是正数还是负数：
def neg_fun(val1, val2):
return val1 / (val1 + abs(val2))
def pos_fun(val1, val2):
return 1. / ((val1 / val2) + 1.)
由此，val2在（绝对）值arorg和val1-这是棘手的部分-来自values; 如果我申请pos_fun和neg_fun列i中arorg，val1应该是values[i]。
我目前实现如下：
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)))
这给了我想要的输出：
array([[ 0.5 , 1. , 0.33333333],
[ 0.33333333, 0. , 0.6 ]])
由于我必须经常做这些计算，我想知道是否有更有效的方法来做到这一点。就像是
np.where(arorg > 0, pos_fun(xxxx), arorg)
会很棒，但我不知道如何正确传递参数（xxx）。有什么建议么？
正如问题中所暗示的，这是一个使用np.where.
首先，我们使用函数实现的直接转换来为正例和负例生成值/数组。然后，使用正值掩码，我们将使用np.where.
因此，实现看起来会沿着这些方向 -
# 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)
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句