Python 关于数组操作的理解中的If语句

我试图利用numpy优化来避免嵌套循环：

当前，我有一个表达式：

pred = sum((estimator.predict(X) == classes).T * w1 + (estimator.predict(X) == classes).T * w2
               for estimator, w1, w2 in zip(self.estimators_,
                                            self.estimator_weights_pos,
                                            self.estimator_weights_neg))

其中，estimator.predict（X）返回该矩阵：

[[True-True…True-False-False]
[假假假假。。。 假-真-真]]

这将导致另一个矩阵，该矩阵将所有乘法分数相加，例如

[2.53358017 3.96826913][2.53358017 3.96826913][4.17461936 2.32722994]…[4.60035727 1.90149203][3.77621808 2.72563123][4.60035727 1.90149203]

但是，我想拆分此操作。每当“estimator.predict（X）”运算的第一行有一个为真的元素时，我只希望w1用于乘法，当第二行的元素为真时，只希望w2用于乘法

举个例子,

self.estimator_weights_pos = [1, 2]
self.estimator_weights_neg = [0.1, 0.2]
self.estimators_[0].predict(X) = [[True, True, False][False, False, True]]
self.estimators_[1].predict(X) = [[True, False, False][False, True, True]]

因此，第一次迭代的结果是：

[10][10][0.1]]

第二次迭代的结果是：

[30][10.2][0.3]]

当前表达式将导致：

[1.10][1.10][01.1]]

[3.30][1.12.2][0.3]]

作为一种天真的方法，我已经做到了：

pred_pos =  sum((estimator.predict(X) == classes).T[:,0] * w1
                    for estimator, w1 in zip(self.estimators_,
                                            self.estimator_weights_pos))

pred_neg =  sum((estimator.predict(X) == classes).T[:,1] * w1
                    for estimator, w1 in zip(self.estimators_,
                                            self.estimator_weights_neg))

pred = np.column_stack((pred_pos, pred_neg))

---

在遵循逻辑方面仍然有点困难，但我认为这至少接近于您所寻找的：

pred = sum((estimator.predict(X) == classes).T * (w1 if estimator_[0].predict(x) else 0) + (estimator.predict(X) == classes).T * (w2 if estimator_[1].predict(x) else 0)
               for estimator, w1, w2 in zip(self.estimators_,
                                            self.estimator_weights_pos,
                                            self.estimator_weights_neg))

或者，根据您的意思，如果问题：

pred = sum((estimator.predict(X) == classes).T * w1 * estimator_[0].predict(x) + (estimator.predict(X) == classes).T * w2 * estimator_[1].predict(x)
                   for estimator, w1, w2 in zip(self.estimators_,
                                                self.estimator_weights_pos,
                                                self.estimator_weights_neg))

---

在遵循逻辑方面仍然有点困难，但我认为这至少接近于您所寻找的：

pred = sum((estimator.predict(X) == classes).T * (w1 if estimator_[0].predict(x) else 0) + (estimator.predict(X) == classes).T * (w2 if estimator_[1].predict(x) else 0)
               for estimator, w1, w2 in zip(self.estimators_,
                                            self.estimator_weights_pos,
                                            self.estimator_weights_neg))

或者，根据您的意思，如果问题：

pred = sum((estimator.predict(X) == classes).T * w1 * estimator_[0].predict(x) + (estimator.predict(X) == classes).T * w2 * estimator_[1].predict(x)
                   for estimator, w1, w2 in zip(self.estimators_,
                                                self.estimator_weights_pos,
                                                self.estimator_weights_neg))

---

我认为这是可能的，不需要对现有代码进行太多修改，但我对您的示例矩阵有点困惑。如果第一行中的任何元素为true，则仅使用w1；如果第2行中的任何元素为true，则仅使用w2。如您的示例所示，如果第1行和第2行都有一个true元素，该怎么办？如果两者都没有真元素呢？它们总是互补的（如果是正的，那么另一个将是负的）。我认为这是可能的，不需要对现有代码进行太多修改，但是我对您的示例矩阵有点困惑。如果第一行中的任何元素为true，则仅使用w1；如果第2行中的任何元素为true，则仅使用w2。如您的示例所示，如果第1行和第2行都有一个true元素，该怎么办？如果两者都没有真的元素呢？它们总是互补的（如果是正的，那么另一个将是负的）。在这种情况下，我将不得不使用estimator.predict（）*4，如果X很大，这将非常昂贵。天真的方法使用it estimator.predict（）*2好吧，您没有共享estimator.predict或X是什么或X来自何处（外部循环）。如果你想分享一个更完整的代码视图，一个更好的解决方案可能是显而易见的。否则，我建议尝试使用estimator.predict（X）作为zip语句。如果没有做到这一点，您可能需要研究numpy.vectorize（）、Numba或Cython，如果性能是您所追求的。问题是，在这种情况下，我将不得不使用estimator.predict（）*4，如果X很大，它的成本会高得让人望而却步。天真的方法使用it estimator.predict（）*2好吧，您没有共享estimator.predict或X是什么或X来自何处（外部循环）。如果你想分享一个更完整的代码视图，一个更好的解决方案可能是显而易见的。否则，我建议尝试使用estimator.predict（X）作为zip语句。如果不能做到这一点，您可能需要研究numpy.vectorize（）、Numba或Cython，以确定您所追求的性能。