使用Python numpy where条件更改低于某个值的entires

这是我的阵列：

import numpy as np
a = np.array([0, 5.0, 0, 5.0, 5.0])

是否可以使用

numpy.where

以某种方式向

a

中小于

l

的所有实体添加值

x

比如：

a = a[np.where(a < 5).add(2.5)]

您可以使用创建添加的数组，然后简单地添加到

a

-

a + np.where(a < l, 2.5,0)

a+np.其中（a

样本运行-

In [16]: a = np.array([1, 5, 4, 5, 5])

In [17]: l = 5

In [18]: a + np.where(a < l, 2.5,0)
Out[18]: array([ 3.5,  5. ,  6.5,  5. ,  5. ])

[16]中的

：a=np.array（[1,5,4,5,5]）
在[17]中：l=5
[18]中：a+np.式中（a
a+=np.其中（a<1,2.5,0）

其中
将在满足条件（第一个参数）的情况下返回第二个参数，否则返回第三个参数

a = np.array([0., 5., 0., 5., 5.])
a[np.where(a < 5)] += 2.5

我通常用于此类操作。
您可以使用“屏蔽数组”作为索引。布尔运算，例如
a<1
返回这样的数组

>>> a<1
array([False, False, False, False, False], dtype=bool)

此外，您还可以计算符合条件的项目：

>>> print np.sum(mask)

考虑到您可能需要更改数据类型（从
int
更改为
float
），您需要创建一个新数组。无显式
.astype
或
np的简单方法。其中
调用是与掩码相乘：

>>> b = a + (a < 5) * 2.5
>>> b
array([ 2.5,  5. ,  2.5,  5. ,  5. ])

我只是想强调一下，如果数据类型差异太大（
int
+=
float
），不允许进行适当的添加，这是唯一有效的答案（我的答案除外：-）。感谢您指出该类型的错误。它应该是浮动的。@AnthonyW这就是为什么我们在发布问题时谈论
representative
sample:）
>>> a<1
array([False, False, False, False, False], dtype=bool)

>>> a[a<1] += 1

>>> mask = a>1
>>> a[mask] += 1

>>> print np.sum(mask)

>>> b = a + (a < 5) * 2.5
>>> b
array([ 2.5,  5. ,  2.5,  5. ,  5. ])

>>> a = np.where(a < 5, a + 2.5, a)
>>> a
array([ 2.5,  5. ,  2.5,  5. ,  5. ])