Python 在迭代n维numpy数组时创建新数组

如何迭代n维的numpy数组并创建一个形状类似的新数组

e、 g.对于输入：

import numpy as np

arr = np.array([[1,2,3],
                [4,5,6],
                [7,8,9],
                [0,0,0]])
alpha = 3.
median = np.median(arr)

我想构建一个相同（4,3）的新数组，将随机条件的标志设置为1。 e、 g

flag=（arr[i，j]>median-alpha）或（arr[i，j]

我会用2个for语句来解决这个问题

flags = arr * 0 
for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
         flags[i,j] = (arr[i,j] > median - alpha) or (arr[i,j] < median + alpha)

flags=arr*0
对于范围内的i（arr.shape[0]）：
对于范围内的j（arr.shape[1]）：
标志[i，j]=（arr[i，j]>中值-α）或（arr[i，j]<中值+α）

---

有没有一种更简单、更有效的方法来解决这个问题？理想情况下，该解决方案也适用于n维数组（1,2，…n维）

您根本不需要迭代

np.logical_or(arr < median - alpha, arr > median + alpha)

np.逻辑或（arrmedian+alpha）

Numpy是为了避免循环：

alpha = 3.
median = np.median(arr)

abs(arr-median) < alpha

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

alpha=3。
中位数=np.中位数（arr）
abs（arr中值）

当然，它适用于任何数量的维度

---

更一般地说，您可以在每次使用公式化条件时避免循环。Python和和或运算符不映射到numpy数组，使用它们意味着循环和减速。

嗯，现在您正在生成

True

标志，除非

arr[i，j]==中值*alpha

。这就是你想要的吗？没错，这只是一个例子。我要问的是迭代过程。我将更新条件，使其更加合理，但您的答案是“使用”我设置的特定条件。在某些情况下，虽然这种情况可能非常复杂（甚至更糟的情况可能根本不是一种情况），但我想知道是否有更通用的解决方案来避免此类循环。

alpha = 3.
median = np.median(arr)

abs(arr-median) < alpha

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