numpy中向量式三目运算符
来源:互联网 发布:vibe算法改进代码 编辑:程序博客网 时间:2024/06/04 15:49
如果用到数据筛选功能,可以使用x if condition else y的逻辑实现。如果使用的是纯Python,可以使用不断迭代的方式对每一组元素组合进行相应的判断筛选。不过,如果使用numpy中的向量化计可以大大加速运算的过程。
在numpy中有一个这个三目运算的向量版本numpy.where。where方法可以接收三个参数,第一个参数为条件向量,而第二、第三个参数可以是矩阵也可以是标量。接下来做一下相应功能的纯Python功能实现以及向量方式实现。
记录如下:
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])
从浮点表示上,两者有一点点小小的差异,在小数点后多位,通常在数值表示上可以忽略。不过,这里还是要进行一下两个结果的一致性判断,因为之前也看到过Python在浮点表达上因为机器而产生的差异。测试的结果如下:
In [87]: result1 == result2
Out[87]: array([ True, True, True, True, True], dtype=bool)
从上面的结果可以看出,两个计算结果是一致的。
在numpy中有一个这个三目运算的向量版本numpy.where。where方法可以接收三个参数,第一个参数为条件向量,而第二、第三个参数可以是矩阵也可以是标量。接下来做一下相应功能的纯Python功能实现以及向量方式实现。
记录如下:
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])
从浮点表示上,两者有一点点小小的差异,在小数点后多位,通常在数值表示上可以忽略。不过,这里还是要进行一下两个结果的一致性判断,因为之前也看到过Python在浮点表达上因为机器而产生的差异。测试的结果如下:
In [87]: result1 == result2
Out[87]: array([ True, True, True, True, True], dtype=bool)
从上面的结果可以看出,两个计算结果是一致的。
0 0
- numpy中向量式三目运算符
- python使用numpy向量运算注意点
- 运用numpy进行数组、向量、矩阵运算
- Python:用Numpy来实现向量的各种运算
- numpy中shape为(m,)的是行向量
- R中向量的下标运算
- 矩阵和向量numpy
- 向量运算
- 向量运算
- 向量运算
- Numpy 中数组和矩阵的基本运算
- 运算符重载——五元向量的运算
- numpy中数组转置的求解以及向量内积计算
- numpy 矩阵运算
- NumPy矩阵运算
- NumPy 基本运算
- NumPy 数组矩阵运算
- Python+Numpy------数组运算
- linux 常用命令案例
- Oracle事物
- Java 七武器系列长生剑:Java 虚拟机的显微镜 Serviceability Agent
- C快速排序
- Spring IoC依赖注入
- numpy中向量式三目运算符
- Java排序查找
- 正则表达式
- selenium+chromedriver安装及简单使用
- Problem--617A--Codeforces-- A. Elephant
- 用docker玩坏ubuntu虚拟机容器
- -bash: ./mysql_install_db: Permission denied
- 508. Most Frequent Subtree Sum
- 16年轻院赛后总结