如何使这个函数能够使用 numpy 数组作为参数并在 python 中返回一个数组？答案

【问题标题】：How do I make this function able to use a numpy array as an argument and return an array in python?如何使这个函数能够使用 numpy 数组作为参数并在 python 中返回一个数组？
【发布时间】：2020-02-02 07:13:41
【问题描述】：

如何使这个函数能够使用 numpy 数组作为参数并返回一个大小相同的数组，其中 tan() 在 python 中以元素方式应用？我当前的代码如下所示，但它没有返回两个选项的完整数组。如何使用 tanc() 值创建输出数组？

def tanc(x):

    if x == 0:
        return 1
    else:
        return np.tan(x)/x

想要一个输出，例如： array([ 1.0, 0.27323654e+00, -4.89610183e-17])

【问题讨论】：

查看np.where。
@Mad Physicist 我收到一条错误消息，提示“布尔索引与第 0 维的索引数组不匹配；维数为 7，但对应的布尔维数为 3”

标签： python arrays numpy boolean masking

【解决方案1】：

def tanc(x):
    if x == 0:
        return 1
    else:
        return np.tan(x)/x

def return_array(some_array):
    return np.array(list(map(tanc, some_array)))

【讨论】：

这将是非常低效的。通过这样做，您基本上放弃了 numpy 的所有功能。
在 numpy 中是否有对应的地图？
使用 NumPy，您通常使用 universal functions 或 NumPy 提供的其他功能，例如 advanced indexing（尤其是 boolean indexing）对整个数组或其维度进行操作。
Numpy 函数已经被向量化了：基本上，map 是内置在所有东西中的。 Ufuncs 也内置了累积和减少。
本网站上通常不赞成仅使用代码的答案。您能否编辑您的答案以包含一些 cmets 或对您的代码的解释？解释应该回答这样的问题：它有什么作用？它是如何做到的？它去哪儿了？它如何解决OP的问题？见：How to anwser。谢谢！

【解决方案2】：

您可以使用numpy.where，并将where 参数用于np.divide 和np.tan。

np.where(cond, a, b) 给出一个数组，其中来自a 的值用于cond 的真实元素，b 的元素用于cond 的虚假元素。

np.divide 和np.tan 的where 参数告诉他们只在另一个数组中为真的位置执行操作，而其他一些元素未初始化（所以它们可以是任何东西，但它没有没关系，因为我们不会在这里使用它们）。

nonzero = x != 0 # we only care about places where x isn't 0
# Get tan, then divide by x, but only where x is not 0
nonzero_tan = np.tan(x, where=nonzero)
nonzero_tanc = np.divide(nonzero_tan, x, where=nonzero)
# Where x is not zero, use tan(x)/x, and use 1 everywhere else
tanc = np.where(nonzero, nonzero_tanc, 1)

正如 hpaulj 在他们的评论中所建议的那样，您还可以通过使用 np.divide 的 out 参数来定义输出数组的默认值来组合最后两个步骤：

nonzero = x != 0
nonzero_tan = np.tan(x, where=nonzero)
tanc = np.divide(nonzero_tan, x, out=np.ones_like(x), where=nonzero)

【讨论】：

这是我第一次看到where 在 SO 上正确使用。没有计算错误，也没有重复工作。干得好
您可以使用out 参数进一步加快速度。
@MadPhysicist 你可能可以，但除非速度是一个特别关注的问题，否则没有理由这样做。
其他时候，当我使用where 参数进行探索时，我发现它最适合使用定义“默认”值（非位置）的out。如果没有 out，ufunc 以 empty 数组开头。在这里，我认为在divide 中使用np.ones_like(x) 将替换最后一个where 语句。
@hpaulj 说得好；我已将其添加为我的答案的附录。

【解决方案3】：

使用掩码对每个元素的条件进行编码：

mask = (x != 0)

您可以对满足您条件的数据部分应用 numpy 操作：

output = np.zeros(x.shape, dtype=float)
output[~mask] = 1
output[mask] = tan(x[mask]) / x[mask]

一起（减少冗余操作）：

def tanc(x):
    output = np.zeros(x.shape, dtype=float)
    output[~mask] = 1
    selected = x[mask]
    output[mask] = tan(selected) / selected
    return output

发布脚本

@jirasaimok's excellent answer 在我看来，是一种更优雅（如果你愿意的话，是 numpythonic）的方式来完成同样的事情：避免每个元素多次计算，并避免零除法。我建议他们的答案可以通过使用tan 和divide 的out 关键字来进一步增强，以避免分配和复制不必要的临时数组：

def tanc(x):
    mask = (x != 0)
    output = np.tan(x, where=mask)
    np.divide(output, x, where=mask, out=output)
    output[~mask] = 1
    return output

或者更好：

def tanc(x):
    mask = (x != 0)
    output = np.tan(x, where=mask, out=np.ones(x.shape, float))
    return np.divide(output, x, where=mask, out=output)

【讨论】：

【解决方案4】：

你可以这样做：

def tanc(x):
    return np.sinc(x/np.pi)/np.cos(x)

【讨论】：

完美！太感谢了。这是一个我没有想到的非常简单的解决方案。