对numpy中向量式三目运算符详解
如果用到数据筛选功能，可以使用xifconditionelsey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=[(xifcelsey)forx,y,cinzip(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。
以上这篇对numpy中向量式三目运算符详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。