使用argmax numpython设置数组格式

我在使用

Numbers[（Numbers尝试这两种方法时遇到了问题，一种是就地分配给NumPy视图，另一种是创建一个新数组来分配给另一个变量-

#Method 1 (Inplace assignment)
Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

解释-

返回
[F，F，F，T，F，F，F]
的布尔数组可以看作是一个由1和0组成的数组。执行求和运算的结果是将第一个T按比例分配给后续元素


因此，这会将数组变成
[F，F，F，T，T，T，T]
，现在可以与
布尔索引一起使用
并将视图设置为0或
np。其中
获取原始元素，或在使用
~
反转布尔值的基础上设置为0


这里的优点是，如果数组只是由False组成，这意味着没有元素满足条件，那么它只返回原始的
数字本身，而不是将它们设置为0



运行测试-

具有满足条件的值
只需使用
，如果
，那么它很好地代表了意图，并且很容易理解：

smaller_equal_zero = Numbers <= 0
if smaller_equal_zero.any():
    Numbers[smaller_equal_zero.argmax():] = 0

你有没有检查过
（数字
np.ones（3，bool）.argmax（）
是0，第一个
True
。更有效的是，
n[np.logical\u或.accumulate（n>=0）]=0
谢谢你的工作。我有没有办法实现它，这样它也可以扫描另一个数组，比如
np.where(~（数字2）相同的代码不也适用吗？
np.where（~）数字2为我工作。我已经编辑了我的答案，请检查。谢谢我犯了一个愚蠢的错误谢谢
Numbers = np.array([123.6,       123.6 ,       123.6,        110.3748,     111.6992976,
 102.3165566,   97.81462811 , 89.50038472 , 96.48141473 , 90.49956702,
  88.59907611 , 77.96718698,  61.51611052,  56.84088612,  55.36302309,
  54.69866681,  56.44902415 , 59.49727145,  42.12406819,  27.42276839,
  33.86711896,  32.10602877,  35.15610151,  32.34361339 , 29.20628289])

Numbers[(Numbers<=0).argmax():] = 0

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0.]

#Method 1 (Inplace assignment)
Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#Method 2 (Not inplace)
np.where(~(Numbers<=0).cumsum(dtype=bool), Numbers, 0)

#As an excellent suggestion by Mad Physicist!
Numbers[np.logical_or.accumulate(Numbers >= 0)] = 0

Numbers = np.array([123.6 , 123.6 ,  -123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6, 123.6,   0. ,   0. ,   0. ,   0. ,   0. ])

Numbers = np.array([123.6 , 123.6 ,  123.6, 110.3748 ,  111.6992976, 102.3165566,  97.81462811])

Numbers[(Numbers<=0).cumsum(dtype=bool)] = 0

#array([123.6 , 123.6 , 123.6 , 110.3748 ,111.6992976 , 102.3165566 ,  97.81462811])

Numbers1 = np.array([1.1, 2.2, 3.3, 4.4, 5.5])
Numbers2 = np.array([1,2,-3,4,5])

Numbers2 = np.where(~(Numbers2<=0).cumsum().astype(bool), Numbers1, 0)
Numbers2

array([1.1, 2.2, 0. , 0. , 0. ])

smaller_equal_zero = Numbers <= 0
if smaller_equal_zero.any():
    Numbers[smaller_equal_zero.argmax():] = 0

if (smaller_equal_zero := Numbers <= 0).any():
    Numbers[smaller_equal_zero.argmax():] = 0