Let decir que tenemos una matriz¿Cómo se puede operar cada elemento de una matriz numpy de acuerdo con su valor relativo?
a = np.array([10,30,50, 20, 10, 90, 0, 25])
El pseudo código para lo que quiero -
if a[x] > 80 then perform funcA on a[x]
if 40 < a[x] <= 80 then perform funcB on a[x]
if a[x] <= 40 then perform funcC on a[x]
¿Cuál es la manera más limpia para realizar esto utilizando funciones numpy?
Normalmente, intenta evitar los bucles de Python sobre las matrices NumPy, por eso utiliza NumPy en primer lugar. Por el bien del ejemplo, supongo que funcA() agrega 1 a todos los elementos, funcB() agrega 2 y funcC() agrega 3 (por favor elabore lo que realmente hacen para un ejemplo más a medida). Para lograr lo que desea, usted puede hacer esto:
subset_a = a > 80
subset_b = (40 < a) & (a <= 80)
subset_c = a <= 40
a[subset_a] += 1
a[subset_b] += 2
a[subset_c] += 3
Este utiliza NumPy advanced indexing. Por ejemplo, a > 80 evalúa una matriz de valores booleanos que se pueden usar para seleccionar las entradas en la matriz que cumple la condición.
me gusta esto:
b = np.empty(a.shape)
b[a < 40] = funcA(a[a < 40])
b[(a > 40) & (a <= 80)] = funcB(a[(a > 40) & (a <= 80)])
b[a > 80] = funcC(a[a > 80])
Esto evita un comportamiento extraño cuando funcA establece un elemento de a que habían sido 39 a 41, por ejemplo, con lo que en el rango de funcB.
Evité hacer esto porque crea copias, realiza las acciones en los datos copiados y las copias nuevamente para almacenar los datos. –
Mira numpy.piecewise. Creo que desee:
np.piecewise(a, [a > 80, (40 < a) & (a <= 80), a <= 40], [funcA, funcB, funcC])
Esto también copia todo dos veces, pero me gusta de todos modos. –
Si necesita funciones más complejas se puede utilizar
newfunc=numpy.vectorize(lambda x: func(x))
result=newfunc(yourArray)
donde func (x) es su función.
¿Puede 'funcA()' etc. expresarse en términos de NumPy ufuncs? ¿Qué hacen estas funciones? –
¿Qué pasa con el mapa? – nmichaels