numpy 中是否有可用函数迭代 ndarray 并使用自定义函数修改每个元素？

Question

def evolve(self):
    newgrid =signal.convolve2d(self.grid, self.neighborhood, 'same')
    dimentionX = self.grid.shape[0]
    dimentionY = self.grid.shape[1]
    for i in range(0, dimentionX):
        for j in range(0, dimentionY):
            if newgrid[i,j] < 2:
                self.grid[i,j] = self.deadValue
            elif newgrid[i,j] == 3:
                self.grid[i,j] = self.aliveValue
            elif newgrid[i,j] > 3:
                self.grid[i,j] = self.deadValue
    return self.grid

我正在做这样的事情。这个函数经常被调用。当网格不大时（例如 64x64），这很好。但是，当网格超过一千个时，模拟运行很慢。

有人告诉我，适当使用 numpy 应该会快得多。有人告诉我 numpy 提供了这样一个功能，它与我写的功能相同，但速度更快。

经过对文档的一些研究，我只发现了这个：

但是这个只支持boolean return类型，并且只支持对每个元素进行简单的回调，而我需要对每个元素进行复杂的操作（多行，涉及'if'）

Answer 1

_{请注意，我不讨论您的方法。我严格回答你的问题。}

求助于 boolean indexing 怎么样？如下

# [...]
self.grid[(newgrid < 2) | (newgrid > 3)]  = self.deadValue
self.grid[newgrid == 3] = self.aliveValue
# [...]

?

Answer 2

函数为np.where

def evolve(self):
    newgrid = signal.convolve2d(self.grid, self.neighborhood, 'same')
    self.grid = np.where(newgrid == 3, self.aliveValue, self.deadvalue)
    return self.grid

numpy 中是否有可用函数迭代 ndarray 并使用自定义函数修改每个元素？

Is there any available function in numpy that iterate a ndarray and modify each element with a custom function?

python

numpy