Python 二维numpy数组的条件数学运算在一维上检查和在差维上执行不同的运算

我有一个2D numpy数组，其中第0列是设备的平移旋转，第1列是倾斜旋转。每一行都是不同的固定装置。我希望在每行上运行以下逻辑：

if(pantilt[0] > 90):
    pantilt[0] -=180
    pantilt[1] *= -1
elif pantilt[0] < -90:
    pantilt[0] += 180
    pantilt[1] *= -1

if（pantilt[0]>90）：
pantilt[0]=180
pantilt[1]*=-1
elif pantilt[0]<-90:
pantilt[0]+=180
pantilt[1]*=-1

我理解1D上的基本条件操作，比如myarray[condition]=something。但我无法将其外推到更多维度

这个怎么样：

pantilt[:,0][pantilt[:,0]>90] -= 180
pantilt[:,1][pantilt[:,0]>90] *= -1
pantilt[:,0][pantilt[:,0]<-90] += 180
pantilt[:,1][pantilt[:,0]<-90] *= -1

pantilt[：，0][pantilt[：，0]>90]=180
pantilt[：，1][pantilt[：，0]>90]*=-1
pantilt[：，0][pantilt[：，0]我将计算一个掩码或布尔索引，并对每列使用if：

构造一个示例数组：

pantilt=np.column_stack([np.linspace(-180,180,11),np.linspace(0,90,11)])

I = pantilt[:,0]>90
# J = pantilt[:,0]<-90 
pantilt[I,0] -= 180
pantilt[I,1] *= -1

I = pantilt[:,0]<-90  # could use J instead
pantilt[I,0] += 180
pantilt[I,1] *= -1

之后：

array([[  0.,  -0.],
       [ 36.,  -9.],
       [ 72., -18.],
       [-72.,  27.],
       [-36.,  36.],
       [  0.,  45.],
       [ 36.,  54.],
       [ 72.,  63.],
       [-72., -72.],
       [-36., -81.],
       [  0., -90.]])

如果列是独立的1d数组，这也同样有效。
受此启发，可以分三步使用，而不是像其他两个解决方案中建议的那样分四步使用，如下所示-

import numpy as np

# Get mask correspindig to IF conditional statements in original code
mask_lt = pantilt[:,0]<-90
mask_gt = pantilt[:,0]>90

# Edit the first column as per the statements in original code
pantilt[:,0][mask_gt] -= 180
pantilt[:,0][mask_lt] += 180

# Edit the second column as per the statements in original code
pantilt[ mask_lt | mask_gt,1] *= -1

哇，这看起来比我想象的要简单得多！我没有想到要做两次检查。虽然我认为索引应该交换，而且要复杂一点？在我编写的简单代码（即内核）中，我的pantilt[0]是pan，pantilt[1]是tilt。当向量化到表pantilt_数组[0]中时将返回第一个pantilt条目，而不是第一列？同样，在执行检查时，它不应该是pantilt_数组[：，0]>90吗？是的，你说得对，我已经编辑了我的答案（实际上我不习惯直接使用numpy数组；我通常使用pandas以便列具有名称）事实上，我认为这也行不通！因为一旦覆盖第一列，第二个条件就失败了！所以你需要最后一个条件。而且我不理解[，][]语法。在[]中使用逗号不是与[][]相同吗？在[]中使用逗号以及其他[]是什么意思？我认为没关系：
[pantilt[：，0]>90]
是一个索引器，即一个布尔数组，它选择条件为真的行。因此只更新这些行。而
[：，0]
是一个列切片器，因此它返回整个第一列。
import numpy as np

# Get mask correspindig to IF conditional statements in original code
mask_lt = pantilt[:,0]<-90
mask_gt = pantilt[:,0]>90

# Edit the first column as per the statements in original code
pantilt[:,0][mask_gt] -= 180
pantilt[:,0][mask_lt] += 180

# Edit the second column as per the statements in original code
pantilt[ mask_lt | mask_gt,1] *= -1

In [530]: num_samples = 10000
     ...: org = np.random.randint(-180,180,(num_samples,2))
     ...: 

In [531]: pantilt = org.copy()

In [532]: %timeit hpaulj_mask4(pantilt)
10000 loops, best of 3: 27.7 µs per loop

In [533]: pantilt = org.copy()

In [534]: %timeit maxymoo_mask4(pantilt)
10000 loops, best of 3: 33.7 µs per loop

In [535]: pantilt = org.copy()

In [536]: %timeit mask3(pantilt) # three-step masking approach from this solution
10000 loops, best of 3: 22.1 µs per loop