對numpy中向量式三目運算符詳解

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。