Python 如何根据不同的输入大小优化代码？

我想以最有效的方式计算蒸汽属性，将标量、向量和矩阵作为两个参数输入选项。我所担心的是，我必须根据输入的大小（标量、向量或矩阵）使用if块，这使得代码相当长。我是一名简单的机械工程师，对python非常陌生，非常感谢任何关于如何优化代码的帮助。代码如下：

from iapws.iapws97 import _Region4
import numpy as np

def h_x(P,x): 
    ''' spec enthalpy in liquid, steam and wet (two-phase flow) regions
    P - pressure in bar
    x - drayness steam fraction [-]
    h - specific heat of wet region returned [kJ/kW]
    '''

    mm = len(np.shape(x))
    if mm == 0:
        h_  = _Region4(P/10,0)['h'] 
        h__ = _Region4(P/10,1)['h'] 
        # return h_ + x * (h__ - h_)
        return h_ + x * (h__ - h_)        
    elif mm == 1:
        return np.array([ _Region4(i/10,0)['h'] + j * ( _Region4(i/10,1)['h'] - _Region4(i/10,0)['h'] ) for i,j in zip(P,x) ])    
    elif mm == 2:
        mmm,nnn = x.shape
        h     = np.ndarray(shape=(mmm,nnn)) #(mm,nn)
        for i in range(mmm):
            for j in range(nnn):
                h_  = _Region4(P[i,j]/10,0)['h']
                h__ = _Region4(P[i,j]/10,1)['h']
                h[i,j]   = h_ + x[i,j] * (h__ - h_)
        return h        
    else:
        print('h_x input must be scalar, vector or 2D matrix!')

# code testing
P = np.array([[.0234,.0193,0.244],[.0244,.0185,0.254]])
x = np.array([[.812,.782,.620],[.912,.882,.820]])
h_x(P,x)

---

实际上，您只进行一次计算，但有两种不同的方式。您可以使用内置的

映射

将其拉出并应用于函数作为输入的任何内容。如果失败，那么您就有一个（不可iterable）值，并直接应用您的计算

# Define a dummy func to make code work
def _Region4(a, b):
    return {'h': a + 3 * b}

import numpy as np

def calculate(P, x):
    '''
    Spec enthalpy in liquid, steam and wet (two-phase flow) regions
    P - pressure in bar
    x - drayness steam fraction [-]
    h - specific heat of wet region returned [kJ/kW]
    '''
    h_  = _Region4(P/10,0)['h'] 
    h__ = _Region4(P/10,1)['h'] 
    return h_ + x * (h__ - h_) 

def h_x(P,x):
    shape = np.shape(x)
    dimensions = len(shape)
    # Check for wrong input
    if dimensions > 2:
        raise ValueError('h_x input must be scalar, vector or 2D matrix!')
    # Try a general mapping
    try:
        return np.array(list(map(calculate, P.flat, x.flat))).reshape(shape)
    # if it fails then you got a pair of scalar
    except AttributeError:
        return calculate(P, x)

P = np.array([[.023,.23,.05],[.023,.23,.05]])
x = np.array([[.92,.98,.99],[.92,.98,.99]])
print(h_x(P, x))
"""
Out:
    [[2.7623 2.963  2.975 ]
    [2.7623 2.963  2.975 ]]
"""
print(h_x(3, 4))
"""
Out:
    12.3
"""

---

我不知道效率，但代码方面。。。我会把所有东西都变换成二维矩阵。。。千计算代码将是一个单独的块<代码>标量->[[scalar]]，[scalar1，scalar1]->[[scalar1，scalar1]]]谢谢你，正在玩你的代码。如果输入是标量和向量，例如P=np.array（[.023，.23，.05]）x=np.array（[.92，.98，.99]），代码可以很好地计算输出，没有错误。如果输入是矩阵，例如P=np array（[.023，.23，.05]，.023，.23，.05]））x=np.array（[.92.98.99]、[.92.98.99]））它抛出错误：ValueError：包含多个元素的数组的真值不明确。请使用a.any（）或a.all（）这与我在I和j上的两个for循环中避免的错误相同，最终使代码相当长。也许还有其他想法吗？谢谢。我找到了numpy变量的.flat属性。因此这很好地工作了：mm，nn=P.shape hh=np.array（list（map（calculate，P.flat，x.flat））#。flat变量迭代所有数组元素hh=np.reformate（hh，（mm，nn））我想我已经弄明白了。似乎可以将标量、向量和矩阵压缩成一行，即np.数组（list（map（calculate，P.flat，x.flat）））。重塑（P.shape），其中.flat将输入展平，然后。重塑（P.shape）对输入参数产生相同的结果。重要的是参数（P，x）定义为np.array（）。在本例中，标量也具有iter属性，并且被map（）接受，因此没有len（np.shape（x）），然后是np.reformate（）线是需要的。对我来说，它可以与2D数组配合使用，无需展平和重塑。我将添加我正在使用的完整代码供您查看。我理解为什么它会对您造成中断，您使用展平的解决方案是正确的。我对_区域4使用虚拟方法，但您对数据做了其他操作，它会中断。更新了答案中的代码有了这些信息，它应该会起作用。