让我们说，我们有一个数组如何根据其相对值操作numpy数组的每个元素？
a = np.array([10,30,50, 20, 10, 90, 0, 25])
的伪代码，因为我想要的东西 -
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]
什么是使用numpy的函数来执行这个干净的方式？
通常，您尝试避免使用NumPy数组的任何Python循环 - 这就是为什么您首先使用NumPy的原因。举例来说，我假设funcA()对所有元素加1，funcB()加2，加3（请详细说明他们真正为更多量身定制的例子做了些什么）。要达到你想要的，你可以这样做：
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
这使用NumPy advanced indexing。例如，a > 80评估为布尔值的数组，其可用于选择满足条件的阵列中的条目。
你真的可以做'a [40 mtrw 2010-12-09 17:46:56
@mtrw：你是对的，修好了。 – 2010-12-09 17:49:34
我喜欢这样的：
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])
这避免了怪异的行为时funcA设置已被39至41，比如一个的a元素，从而将其带入范围funcB。
看看numpy.piecewise。我想你想：
np.piecewise(a, [a > 80, (40 < a) & (a <= 80), a <= 40], [funcA, funcB, funcC])
如果您需要更复杂的功能，你可以使用
newfunc=numpy.vectorize(lambda x: func(x))
result=newfunc(yourArray)
其中FUNC（x）是你的函数。
`funcA（）`等可以用NumPy ufuncs表示吗？这些功能是做什么的？ – 2010-12-09 17:15:36
地图怎么样？ – nmichaels 2010-12-09 17:18:23