【问题标题】：Slicing and Assignment切片和赋值
【发布时间】：2021-01-15 17:25:18
【问题描述】：

我必须编写一个函数，给定一个数组 (A) 和 2 个数字（X 和 Y，X

[1, 1, 9, 4, 2, 9].

到目前为止，这是我的代码：

def subtract_bw_elements(A,x,y):

    values_in_between = my_array[(my_array > x) & (my_array < y)] - 3

    return values_in_between

my_array = np.array([1, 4, 9, 7, 5, 9])
final_array = subtract_bw_elements(my_array,3,8)

print(final_array)

当我运行它时，我得到这个输出：

[1,4,2]

基本上，我可以得到一个减去 3 的值序列。如何将这个序列输入回我的原始数组？我相信我必须使用分配，但我真的不知道如何。

【问题讨论】：

标签： python function numpy slice variable-assignment

【解决方案1】：

解决方案

您可以使用布尔过滤器来选择元素，然后根据需要更新它们，例如：

A = np.array([1, 4, 9, 7, 5, 9])
x = 3
y = 8
cond1 = (A > x)
cond2 = (A < y)
A[cond1 & cond2] -= 3

输出： array([1, 1, 9, 4, 2, 9])

性能

如果编写高性能代码同样容易，那就去做吧——你迟早会需要它。以下是 1M 元素的矢量化与列表理解解决方案的性能示例：

def func_vectorized(A, offset=3, x=3, y=8):
    cond1 = (A > x)
    cond2 = (A < y)
    A[cond1 & cond2] -= offset
    return A

def func_comprehension(A, offset=3, x=3, y=8):
    values_in_between = [i - offset if x<i<y else i for i in A]
    return values_in_between

# initialize array with one million elements
A = np.random.randint(0,20,1000000)
A1 = A.copy()

# compare performance of functions above using ipython `%timeit`:

%timeit func_vectorized(A)
# 911 µs ± 61.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit func_comprehension(A1)
# 838 µs ± 58.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

在我的机器上，矢量化解决方案比列表理解快约 500 倍。

【讨论】：

使用* 是神秘的，使用布尔值& 更清楚，就像OP 已经在做的那样

【解决方案2】：

您可以使用列表推导。根据您的需要迭代 A 和 return 新列表：

def subtract_bw_elements(A: list, x, y):
    return [x if x not in range(3, 8) else x-3 for x in A]

print(subtract_bw_elements([1, 4, 9, 7, 5, 9], 3, 8)) # [1, 1, 9, 4, 2, 9]

【讨论】：

【解决方案3】：

您可以通过使用列表推导来简单地实现这一点，如果其他，请检查以下示例：

def subtract_bw_elements(A,x,y):

    values_in_between = [i - 3 if x<i<y else i for i in A]

    return values_in_between

my_array = [1, 4, 9, 7, 5, 9]
final_array = subtract_bw_elements(my_array,3,8)

print(final_array)

输出是

[1, 1, 9, 4, 2, 9]

【讨论】：

【解决方案4】：

您可以使用列表推导：

import numpy as np

def subtract_bw_elements(A,x,y):
    return [val-3 if val > x and val < y else val for val in A]

my_array = np.array([1, 4, 9, 7, 5, 9])
final_array = subtract_bw_elements(my_array,3,8)

print(final_array)

输出：[1, 1, 9, 4, 2, 9]

注意：

在您的函数中，您使用变量my_array，但您创建的参数A 包含完全相同的值，请使用A

【讨论】：