numpy中向量式三目運算子

如果用到資料篩選功能，可以使用x if condition else y的邏輯實現。如果使用的是純python，可以使用不斷迭代的方式對每一組元素組合進行相應的判斷篩選。不過，如果使用numpy中的向量化計可以大大加速運算的過程。

在numpy中有乙個這個三目運算的向量版本numpy.where。where方法可以接收三個引數，第乙個引數為條件向量，而第

二、第三個引數可以是矩陣也可以是標量。接下來做一下相應功能的純python功能實現以及向量方式實現。

記錄如下：

in [76]: xarr = np.array([1.1,1.2,1.3,1.4,1.5])

in [77]: yarr = xarr + 1

in [78]: xarr

out[78]: array([ 1.1, 1.2, 1.3, 1.4, 1.5])

in [79]: yarr

out[79]: array([ 2.1, 2.2, 2.3, 2.4, 2.5])

in [80]: cond = np.array([true,false,true,true,false])

in [81]: cond

out[81]: array([ true, false, true, true, false], dtype=bool)

in [82]: result1 = [(x if c else y) for x,y,c in zip(xarr,yarr,cond)]

in [83]: result1

out[83]: [1.1000000000000001, 2.2000000000000002, 1.3, 1.3999999999999999, 2.5]

in [84]: result2 = np.where(cond,xarr,yarr)

in [85]: result2

out[85]: array([ 1.1, 2.2, 1.3, 1.4, 2.5])

從浮點表示上，兩者有一點點小小的差異，在小數點後多位，通常在數值表示上可以忽略。不過，這裡還是要進行一下兩個結果的一致性判斷，因為之前也看到過python在浮點表達上因為機器而產生的差異。測試的結果如下：

in [87]: result1 == result2

out[87]: array([ true, true, true, true, true], dtype=bool)

從上面的結果可以看出，兩個計算結果是一致的。