Python 基于条件对数组值进行舍入的快速方法

我有这样一个数组：

a = np.array([
     [0.02, 1.01, 4.01, 3.00, 5.12],
     [2.11, 1.50, 3.98, 0.52, 5.01]])

和“条件”数组：

如果

c[k]-const

，我想将

a[I][j]=c[k]

四舍五入，否则

a[I][j]=0

例如，如果

const=0.05

。结果可能是：

a_result = [[0 1 4 0 0]
            [0 0 4 0 5]]

navie的方法是使用3 for循环检查每个

a[i][j]

和

c[k]

。但是，当

a

很大时，速度非常慢。我们是否有一种快速的“python方式”来实现这一点

对于循环（慢速）解决方案：

a_result = np.full(a.shape, 0)    
const = 0.05     
mh, mw = a.shape
for i in range(mh-1):
   for j in range(mw-1):
      for k in range(1, len(c)):
                if a[i][j] > (c[k] - const) and a[i][j] < (c[k] + const): 
                    a_result[i][j] = c[k] 

a_result=np.full（a.shape，0）
常数=0.05
mh，mw=a.形状
对于范围内的i（mh-1）：
对于范围内的j（mw-1）：
对于范围（1，len（c））中的k：
如果a[i][j]>（c[k]-常数）和a[i][j]<（c[k]+常数）：
a_结果[i][j]=c[k]

方法#1

一种矢量化方法是使用-

---

检查Python的

map

操作符；我认为NumPy有一个更容易应用于数组的方法。我刚刚更新了question@Divakar。当

a.shape=（2,5）

和

c.size=4

时，如何理解

a[I][j]=c[k]

的每一个元素与

c

的每一个元素相比较。这为它们带来了单独的迭代器。@Divakar OK。通过使用

a[i，j]

而不是

a[i][j]

，可以稍微加快循环代码的速度。要获得引人注目且仍然简单的结果，您可能需要查看Numba：

a_result = np.full(a.shape, 0)    
const = 0.05     
mh, mw = a.shape
for i in range(mh-1):
   for j in range(mw-1):
      for k in range(1, len(c)):
                if a[i][j] > (c[k] - const) and a[i][j] < (c[k] + const): 
                    a_result[i][j] = c[k] 

c[(np.abs(a - c[:,None,None]) < const).argmax(0)]

In [312]: a
Out[312]: 
array([[ 0.02,  1.01,  4.01,  3.  ,  5.12],
       [ 2.11,  1.5 ,  3.98,  0.52,  5.01]])

In [313]: c
Out[313]: array([0, 1, 4, 5])

In [314]: c[(np.abs(a - c[:,None,None]) < const).argmax(0)]
Out[314]: 
array([[0, 1, 4, 0, 0],
       [0, 0, 4, 0, 5]])

mask = ((c[:,None,None] - const)  < a) & (a < (c[:,None,None] + const))
out = c[mask.argmax(0)]

idx = np.searchsorted(c, a, side="left").clip(max=c.size-1)
mask = (idx > 0) &  \
     ( (idx == len(xx)) | (np.fabs(yy - xx[idx-1]) < np.fabs(yy - xx[idx])) )
idx0 = idx-mask
out = xx[idx0]
out[np.abs(c[idx0] - a) >= const] = 0