如何根據條件有效地將函數應用於數組中的值？

Question

我有一個這樣的陣列arorg：

import numpy as np 
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]]) 

和另一個陣列values看起來如下：

values = np.array([1., 0., 2.]) 

values具有相同數目的條目作爲arorg具有列。

現在我想申請功能項或arorg取決於他們是否是正面或負面的：

def neg_fun(val1, val2): 
    return val1/(val1 + abs(val2)) 

def pos_fun(val1, val2): 
    return 1./((val1/val2) + 1.) 

因此，val2是arorg和val1（絕對）值 - 這是棘手的部分 - 來自values;如果我將pos_fun和neg_fun應用於i列arorg,val1應該是values[i]。

我目前執行的是如下：

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))) 

這給了我想要的輸出：

array([[ 0.5  , 1.  , 0.33333333], 
     [ 0.33333333, 0.  , 0.6  ]]) 

正如我不得不經常做這些計算，我想知道是否有更這樣做的有效方法。像

np.where(arorg > 0, pos_fun(xxxx), arorg) 

東西將是巨大的，但我不知道如何正確地傳遞參數（該xxx）。有什麼建議麼？

Answer 1

正如問題所暗示的，這裏有一個使用np.where。

首先，我們使用函數實現的直接翻譯來爲正面和負面情況生成值/數組。然後，使用正值的掩碼，我們將使用np.where在這兩個數組之間進行選擇。

因此，實現起來看看這些方針的東西 -

# 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) 

Answer 2

你並不需要應用的功能陣列的壓縮元素，你可以通過簡單的數組操作和切片完成同樣的事情。

首先，得到正面和負面的計算，保存爲數組。然後，創建的零的回陣列（只是作爲缺省值），以及使用的pos和neg布爾切片填充它：

import numpy as np 
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]]) 
values = np.array([1., 0., 2.]) 

pos = 1./((values/arorg) + 1) 
neg = values/(values + np.abs(arorg)) 

ret = np.zeros_like(arorg) 
ret[arorg>0] = pos[arorg>0] 
ret[arorg<=0] = neg[arorg<=0] 

ret 
# returns: 
array([[ 0.5  , 1.  , 0.33333333], 
     [ 0.33333333, 0.  , 0.6  ]]) 

Answer 3

import numpy as np 
arorg = np.array([[-1., 2., -4.], [0.5, -1.5, 3]]) 
values = np.array([1., 0., 2.]) 
p = 1.0/(values/arorg+1) 
n = values/(values+abs(arorg)) 
#using np.place to extract negative values and put them to p 
np.place(p,arorg<0,n[arorg<0]) 
print(p) 
[[ 0.5   1.   0.33333333] 
[ 0.33333333 0.   0.6  ]]