为了用Python编写“分段函数”，我通常会使用if（以控制流或三元运算符的形式）。
def spam(x):
return x+1 if x>=0 else 1/(1-x)
现在，使用NumPy的口头禅是避免对单个值进行处理，而倾向于矢量化以提高性能。因此，我认为这样的选择将是更可取的：正如莱昂所说，以下错误
def eggs(x):
y = np.zeros_like(x)
positive = x>=0
y[positive] = x+1
y[np.logical_not(positive)] = 1/(1-x)
return y
（如果我错过了这里的内容，请纠正我，因为坦率地说，我觉得这很丑。）
现在，当然eggs会只有当工作x实际上是一个NumPy的阵列，否则x>=0只是产生一个布尔值，它不能被用于索引（至少不会做正确的事）。
有没有一种好的方法来编写看起来更像spam但可以在Numpy数组上正常工作的代码，还是我应该使用vectorize(spam)？
使用np.where。但是，即使对于纯数字输入，您也会得到一个数组作为输出。
def eggs(x):
y = np.asarray(x)
return np.where(y>=0, y+1, 1/(1-y))
这适用于数组和纯数字：
>>> eggs(5)
array(6.0)
>>> eggs(-3)
array(0.25)
>>> eggs(np.arange(-3, 3))
/home/praveen/.virtualenvs/numpy3-mkl/bin/ipython3:2: RuntimeWarning: divide by zero encountered in true_divide
array([ 0.25 , 0.33333333, 0.5 , 1. , 2. , 3. ])
>>> eggs(1)
/home/praveen/.virtualenvs/numpy3-mkl/bin/ipython3:3: RuntimeWarning: divide by zero encountered in long_scalars
# -*- coding: utf-8 -*-
array(2.0)
正如阿伊汉（Ayhan）所说，这引起了警告，因为1/(1-x)对整个范围进行了评估。但是警告仅仅是：警告。如果您知道自己在做什么，则可以忽略该警告。在这种情况下，您仅从1/(1-x)永远不能选择的索引中进行选择inf，因此很安全。
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