如何缩短此二维数组代码？答案

【问题标题】：How can I shorten this 2D array code?如何缩短此二维数组代码？
【发布时间】：2018-08-28 17:10:28
【问题描述】：

我有以下 sn-p 可以正常工作。

P=im1.copy()
for i in range(P.shape[0]):
    for j in range(P.shape[1]):
        if (n_dens.data[i][j]==-5000 or T_k.data[i][j]==-5000):
            P.data[i][j]=-5000
        else :
            P.data[i][j]=n_dens.data[i][j]*T_k.data[i][j]

P 是一个二维数组。

我想知道如何将其精简为以下几行：

P.data=n_dens.data*T_k.data
P.data=[foo-2.5005*10**7 if n_dens.data==-5000 or T_k.data==-5000 else foo for foo in P.data]

对于我上面的试验，我收到以下错误：

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

如何纠正错误？或者有其他方法可以减少它吗？

【问题讨论】：

我认为您的意思是让else: 下方的行再缩进一级（因为您的代码目前的状态，它会引发IndentationError）。
无论您选择什么，请记住可读代码比单行代码更重要
对改进工作代码的建议通常不是 StackOverflow 的重点，因为我们试图成为特定、狭窄问题的答案的存储库，以避免可能是主观意见问题的问题——我们的姊妹网站Code Review 通常更合适，尽管那里的规则有很大不同。请参阅 A Guide to Code Review For Stack Overflow Users 以获取有关哪些问题在哪里适合，以及如何调整它们以使其符合每个站点的规则的指导。

标签： python arrays

【解决方案1】：

n_dens.data==-5000 产生一个真/假值数组，而不是单个值。所以，if 无法处理。不过，您已经接近这个想法了。您可以在 numpy 中使用 逻辑索引。

在python中也不能重载逻辑运算符。因此，numpy 不会像您希望的那样处理它们。所以，你必须做类似的事情

index = np.logical_or(n_dens.data ==-5000, T_k.data==-5000)
P.data[index] = -5000

同样，P.data[np.logical_not(index)] = n_dens.data * T.data 用于 if-else 的第二个分支。

【讨论】：

【解决方案2】：

你可以试试这个：

P.data[(n_dens.data == -5000) | (T_k.data == -5000)] = -5000
cond = ~(n_dens.data == -5000) & ~(T_k.data == -5000) # 2D array of booleans
P.data[cond] = n_dens.data[cond] * T_k.data[cond]

一个完整的例子：

import numpy as np
from copy import deepcopy

class IMAGE:
    def __init__(self, data):
        self.data = data
        self.shape = self.data.shape

np.random.seed(0)
P, n_dens, T_k = IMAGE(np.zeros((5,5))), IMAGE(np.reshape(np.random.choice([-5000,1,2],25), (5,5))), IMAGE(3*np.ones((5,5)))
P1 = deepcopy(P)

# with loop
for i in range(P.shape[0]):
    for j in range(P.shape[1]):
        if (n_dens.data[i][j]==-5000 or T_k.data[i][j]==-5000):
            P.data[i][j]=-5000
        else :
            P.data[i][j]=n_dens.data[i][j]*T_k.data[i][j]

# vectorized
P1.data[(n_dens.data == -5000) | (T_k.data == -5000)] = -5000
cond = ~(n_dens.data == -5000) & ~(T_k.data == -5000) # 2D array of booleans
P1.data[cond] = n_dens.data[cond] * T_k.data[cond]

cond
# array([[False,  True, False,  True,  True],
#   [ True, False,  True, False, False],
#   [False,  True,  True,  True,  True],
#   [False,  True,  True,  True,  True],
#   [False,  True, False, False,  True]], dtype=bool)

# with same output for both
P.data == P1.data
# array([[ True,  True,  True,  True,  True],
#   [ True,  True,  True,  True,  True],
#   [ True,  True,  True,  True,  True],
#   [ True,  True,  True,  True,  True],
#  [ True,  True,  True,  True,  True]], dtype=bool)

【讨论】：