Python 如何迭代Numpy数组并仅在元素符合条件时执行计算？

我想迭代一个numpy数组，只处理符合特定条件的元素。在下面的代码中，我只想在元素大于1时执行计算

a = np.array([[1,3,5],
              [2,4,3],
              [1,2,0]])

for i in range(0, a.shape[0]):
    for j in range(0, a.shape[1]):
        if a[i,j] > 1:
            a[i,j] = (a[i,j] - 3) * 5 

是否可以使用单行代码而不是上面的双循环？也许能让它更快？

方法1：使用布尔数组索引：

for index, x in np.ndenumerate(a):
    if x > 1:
        a[index] = (a[index] - 3) * 5

>>> a = np.array([[1,3,5], [2,4,3], [1,2,0]])
>>> a[a > 1]  = (a[a > 1] - 3) * 5
>>> a
array([[ 1,  0, 10],
       [-5,  5,  0],
       [ 1, -5,  0]])

这会计算两次

a>1

，不过您可以将其分配给变量。（在实践中，这当然不太可能成为瓶颈，尽管如果

a

足够大，内存可能会成为一个问题。）

方法2：使用

np。其中
：

>>> a = np.array([[1,3,5], [2,4,3], [1,2,0]])
>>> np.where(a > 1, (a-3)*5, a)
array([[ 1,  0, 10],
       [-5,  5,  0],
       [ 1, -5,  0]])

这只计算
a>1
一次，但OTOH为
a
中的每个元素
ax
计算
（ax-3）*5
，而不是只对真正需要它的元素进行计算。
方法1：使用布尔数组索引：

>>> a = np.array([[1,3,5], [2,4,3], [1,2,0]])
>>> a[a > 1]  = (a[a > 1] - 3) * 5
>>> a
array([[ 1,  0, 10],
       [-5,  5,  0],
       [ 1, -5,  0]])

这会计算两次
a>1
，不过您可以将其分配给变量。（在实践中，这当然不太可能成为瓶颈，尽管如果
a
足够大，内存可能会成为一个问题。）

方法2：使用
np。其中
：

>>> a = np.array([[1,3,5], [2,4,3], [1,2,0]])
>>> np.where(a > 1, (a-3)*5, a)
array([[ 1,  0, 10],
       [-5,  5,  0],
       [ 1, -5,  0]])

这只计算
a>1
一次，但对于
a
中的每个元素
ax
，OTOH计算
（ax-3）*5
，而不是只为那些真正需要它的元素这样做。
你有没有关于括号内运算符的用法的参考work@user1276363：我想它被调用了，但由于某些原因，我无法连接到我要链接到的numpy教程。如果您关心内存，它看起来像np。where返回一个新数组，方法#1在适当的位置进行计算，您是否有关于括号内运算符如何计算的参考work@user1276363：我想它被调用了，但由于某些原因，我无法连接到我将要链接到的numpy教程。如果您关心内存，它看起来像np。where返回一个新数组，而方法#1则原地求值