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，第乙個引數為條程式設計客棧件向量，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
o程式設計客棧ut[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]: condwww.cppcns.com = 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，這裡還是要進行程式設計客棧一下兩個結果的一致性判斷，因為之前也看到過pytdovmlhon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。
本文標題: 對numpy中向量式三目運算子詳解
本文位址:
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。wh...
什麼是三目運算子？對三目運算子的理解
對於有些選擇分支結構,可以使用簡單的條件運算子來代替.如 if a其中 ay y n d bb 4a c 0?sqrt d sqrt d ch ch a ch z ch 32 ch 以上均為合法的條件表示式.2 條件表示式的執行順序為 先求解表示式1,若值為非0,表示條件為真,則求解表示式2,此時表...
三目運算子
1 概念 根據不同的條件，執行不同的操作 返回不同的值。條件1?值1 或操作1 如果滿足條件 1，就返回值 1或執行操作1 條件2?值2 或操作2 否則，如果滿足條件 2，就返回值 2或執行操作2 總結 表示式 閏年 平年 多種條件 條件 1？值1 條件2？值 值3例子 1 輸入星期四 就輸出 班級...