Python：仅当值不等于零时才对数组进行幂运算

我在下面的函数中运行了几个回归。一些估计的系数输出为“0s”，当它们指数化时，自然会变成“1s”

理想情况下，在估计系数为零的情况下，我将使用

sm.OLS（）

输出“空白”而不是“零”。但我试过了，这似乎不可能

因此，或者，我宁愿保留0而不是1。这将不需要对这一行代码中的零进行幂运算：

exp\u coverties=np.exp（results.params）

我怎么能这样做

import statsmodels.api as sm

df_index = []
coef_mtr = [] # start with an empty list
for x in df_main.project_x.unique():


df_holder=df_main[df_main.project_x == x]
    X = df_holder.drop(['unneeded1', 'unneeded2','unneeded3'], axis=1)
    X['constant']=1 
    Y = df_holder['sales']

    eq=sm.OLS(y, X)
    results=eq.fit()

    exp_coefficients=np.exp(results.params)
#   print(exp_coefficients)
    coef_mtr.append(exp_coefficients)
    df_index.append(x)

coef_mtr = np.array(coef_mtr)

# create a dataframe with this data
df_columns = [f'coef_{n}' for n in range(coef_mtr.shape[1])]
df_matrix=pd.DataFrame(data = coef_mtr, index = df_index, columns = df_columns)

---

最干净的可能是使用

where

关键字（而不是函数），如中所示

这将跳过所有零值。但因为当我说skip时，我的意思是skip，这将使in out中的相应值未初始化。因此，我们需要将其预设为零：

out = np.zeros_like(in_)
np.exp(in_,where=in_!=0,out=out)

---

请修复缩进并为一个小型df示例（一个创建自身的示例，例如，

df=pd.DataFrame（{'a'：[1,2,3]，'b'：[…]，…}）

）提供当前和所需输出的当前输出？

numpy.where（array！=0，f（array），0）

@PaulH，在您刚才提出的内容中，我应该在哪里引入'np.exp'函数？在该示例中，

f

是任何返回与输入长度相同的数组的函数。您可以详细说明如何将其应用于我的代码吗？我似乎不明白。我尝试实现它，但得到了一个

NameError:name'in_uu'未定义
错误。@StatsScared，
in_uu
对应于您的输入，查看您的代码
结果。params
看起来是一个很好的候选者。
out = np.zeros_like(in_)
np.exp(in_,where=in_!=0,out=out)