布尔条件后的 Numpy ndarray 广播

Question

我想知道是否有一种方法可以通过避免使用 for 循环来利用 python numpy 数组广播来减少计算时间。这是以下最小示例：

import numpy as np

# parameters
n_t = 256
G = 0.5
k_n = 10

# typical data
tau = np.linspace(0,2*np.pi,256)
x_t = np.sin(tau).reshape((n_t,1))

delta = np.maximum(0,(x_t-G))
f_dot = np.zeros((n_t,1))

for i  in range(0,n_t,1):
    # boolean condition
    if delta[i,0] > 0:
        f_dot[i,0] = k_n

如有任何建议，我们将不胜感激。谢谢

Answer 1

您可以使用 np.where 根据条件的结果从 k_n 或 f_dot 中分配值：

f_dot = np.where(delta > 0, k_n, f_dot)

Answer 2

numpy.where 是 @yatu 指出的一个好方法。为了完整起见，逻辑屏蔽也是一种选择。 In fact, there are many ways to slice an numpy.array object!.

mask = delta>0
f_dot[mask] = k_n

请注意，如果面具是一次性的，这也可以减少到一行：f_dot[delta>0] = k_n。

布尔条件后的 Numpy ndarray 广播

Numpy ndarray broadcasting following a boolean condition

python

numpy

array-broadcasting