今天小編就爲大家分享一篇對numpy中向量式三目運算符詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
如果用到數據篩選功能,可以使用x if condition else y的邏輯實現。如果使用的是純Python,可以使用不斷迭代的方式對每一組元素組合進行相應的判斷篩選。不過,如果使用numpy中的向量化計可以大大加速運算的過程。
在numpy中有一個這個三目運算的向量版本numpy.where。where方法可以接收三個參數,第一個參數爲條件向量,而第二、第三個參數可以是矩陣也可以是標量。接下來做一下相應功能的純Python功能實現以及向量方式實現。
記錄如下:
In [76]: xarr = np.array([1.1,1.2,1.3,1.4,1.5]) In [77]: yarr = xarr + 1 In [78]: xarr Out[78]: array([ 1.1, 1.2, 1.3, 1.4, 1.5]) In [79]: yarr Out[79]: array([ 2.1, 2.2, 2.3, 2.4, 2.5]) In [80]: cond = np.array([True,False,True,True,False]) In [81]: cond Out[81]: array([ True, False, True, True, False], dtype=bool) In [82]: result1 = [(x if c else y) for x,y,c in zip(xarr,yarr,cond)] In [83]: result1 Out[83]: [1.1000000000000001, 2.2000000000000002, 1.3, 1.3999999999999999, 2.5] In [84]: result2 = np.where(cond,xarr,yarr) In [85]: result2 Out[85]: array([ 1.1, 2.2, 1.3, 1.4, 2.5])
從浮點表示上,兩者有一點點小小的差異,在小數點後多位,通常在數值表示上可以忽略。不過,這裏還是要進行一下兩個結果的一致性判斷,因爲之前也看到過Python在浮點表達上因爲機器而產生的差異。
測試的結果如下:
In [87]: result1 == result2 Out[87]: array([ True, True, True, True, True], dtype=bool)
從上面的結果可以看出,兩個計算結果是一致的。
以上這篇對numpy中向量式三目運算符詳解就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持神馬文庫。