将 lambda 表达式应用于数组元素时出现 ValueError

Question

目前我在处理 numpy.array - 4x1 - i.e 时遇到错误

[[-1.96113883]
 [-3.46144244]
 [ 5.075857  ]
 [ 1.77550086]]

使用 lambda 函数 f = lambda x: x if (x > 0) else (x * 0.01)。

错误是ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()。

我在 stackoverflow.com 上搜索了不同的主题，但我没有找到任何令人满意的问题解释和适合我的案例（许多不清楚的引用 and 运算符、矢量化代码等）。

处理数组后我期望的是一个与输入维相同的数组，并且每个单个值都根据函数进行修改，例如：

[[-0.0196113883]
 [-0.0346144244]
 [ 5.075857  ]
 [ 1.77550086]]

最后，谁能给我一个解决方案并解释为什么会发生这个错误。谢谢你的建议。

Answer 1

x > 0 为您的 numpy 数组作为一个整体进行评估，返回另一个布尔数组。但是，if 语句将整个数组评估为单个操作。

arr = np.array([[-1.96113883],
                [-3.46144244],
                [ 5.075857  ],
                [ 1.77550086]])
print arr > 0
   [[False]
    [False]
    [ True]
    [ True]]

如错误消息中所述，布尔数组的真值是不明确的。

相反，如 cmets 中的 ajcr 所述，您应该使用 np.where 来进行矢量化 if-else 语句

例如

np.where(arr > 0, arr, arr*0.01)
array([[-0.01961139],
       [-0.03461442],
       [ 5.075857  ],
       [ 1.77550086]])

Answer 2

您正在尝试将 lambda 函数应用于整个数组，但您想要将其应用于每个元素。对此有更多的 numpy-y 解决方案。让您的数组为a，并将numpy 导入为np。你可以使用花哨的索引：

>>> a_leq_0 = a <= 0
>>> a[a_leq_0] = a[a_leq_0]*0.01
>>> a
array([[-0.01961139],
       [-0.03461442],
       [ 5.075857  ],
       [ 1.77550086]])

甚至更好np.where:

>>> np.where(a > 0, a, a*0.01)
array([[-0.01961139],
       [-0.03461442],
       [ 5.075857  ],
       [ 1.77550086]])

解释在where的文档中：

where(条件, [x, y])
[...]
如果同时指定了x 和y，则输出数组包含x 的元素，其中condition 为True，元素来自 y 其他地方。

Answer 3

为什么不直接使用理解列表：

np.array([list(i*0.01) if i>0 else list(i) for i in arr])

Out[28]: 
array([[-1.96113883],
       [-3.46144244],
       [ 0.05075857],
       [ 0.01775501]])

数据

arr = np.array([[-1.96113883],
 [-3.46144244],
 [ 5.075857  ],
 [ 1.77550086]])