Python 基于多个条件处理numpy阵列的更有效方法是什么？

我写过一些代码，在一段时间内（例如15年），

ndimage.filters.convolve

用于对数组（例如array1）进行卷积，然后当得到的数组（例如array2）高于随机生成的数字时，另一个数组（例如array3）的值为1。一旦为array3分配了一个值1，它每年都会进行计数，当它最终达到某个值（如5）时，array1将在此位置更新

抱歉，这有点让人困惑。实际上，我通过使用

numpy使脚本正常工作。其中（布尔表达式，值，值）

，但当我需要多个表达式时（例如

其中array2==1和array3==0

），我使用for循环来迭代数组中的每个值。在这里的示例中，这非常有效，但是当我将数组替换为较大的数组（完整脚本导入GIS网格并将其转换为数组）时，每年处理这个for循环都需要几分钟的时间。由于我们必须将该模型运行60年1000次，因此我需要找到一种更有效的方法来处理这些阵列

我尝试在numpy.where中使用多个表达式，但无法解决如何使其工作。我还尝试了zip（array）将数组压缩在一起，但我无法更新它们，我想这是因为它创建了数组元素的元组

我已经附上了一份脚本副本，正如前面提到的，它完全按照我的需要工作。然而，它需要更有效地做到这一点。如果有人有任何建议，那就太好了。这是我关于Python的第一篇文章，所以我仍然认为自己是新手。p>

import numpy as np
from scipy import ndimage
import random
from pylab import *

###################### FUNCTIONS ###########################

def convolveArray1(array1, kern1):

    newArray = ndimage.filters.convolve(array1, kern1, mode='constant')

    return newArray


######################## MAIN ##############################

## Set the number of years
nYears = range(1,16)

## Cretae array1
array1 = np.zeros((10,10), dtype=np.int) # vegThreshMask

# Add some values to array1
array1[[4,4],[4,5]] = 8
array1[5,4] = 8
array1[5,5] = 8

## Create kerna; array
kernal = np.ones((3,3), dtype=np.float32)

## Create an empty array to be used as counter
array3 = np.zeros((10,10), dtype=np.int)

## iterate through nYears
for y, yea in enumerate(nYears):

    # Create a random number for the year
    randNum = randint(7, 40)
    print 'The random number for year %i is %i' % (yea, randNum)
    print

    # Call the convolveArray function
    convArray = convolveArray1(array1, kernal)

    # Update array2 where it is greater than the random number    
    array2 = np.where(convArray > randNum, 1, 0)
    print 'Where convArray > randNum in year %i' % (yea)
    print array2
    print 

    # Iterate through array2 
    for a, ar in enumerate(array2):
        for b, arr in enumerate(ar):
            if all(arr == 1 and array3[a][b] == 0):
                array3[a][b] = 1
            else:
                if array3[a][b] > 0:
                    array3[a][b] = array3[a][b] + 1
            if array3[a][b] == 5:
                array1[a][b] = 8

    # Remove the initial array (array1) from the updated array3   
    array3 = np.where(array1 > 0, 0, array3)
    print 'New array3 after %i years' % (yea)
    print '(Excluding initial array)'
    print array3
    print    

print 'The final output of the initial array'
print array1

---

听起来好像您试图在

np中使用多个条件。其中

使用了

array1>0和array2<0等表达式。这不起作用，因为正如所记录的那样，Python中的布尔操作是这样工作的。首先计算
array1>0
，然后使用
\uuuuuu非零
方法将其转换为布尔值（在Python 3中重命名为
\uuuuu bool\uuuuu
）。没有一种将数组转换为布尔值的唯一有用的方法，目前也没有方法覆盖布尔运算符的行为（尽管我相信这将在将来的版本中讨论），因此在numpy中，
ndarray.\uuuuu非零\uuuuuuu
被定义为引发异常。相反，您可以使用
np.logical\u和
，
np.logical\u或
，以及
np.logical\u不
，它们具有您期望的行为

不过，我不知道这会给你带来多大的加速。如果您最终在循环中执行了大量数组索引操作，那么可能值得研究一下，通过将数组操作移动到C扩展中，您可以轻松地加快数组操作的速度。
我怀疑如果您开始使用广播，您可能会获得相当大的加速。例如，从您的行开始迭代array2

，我们可以删除显式循环，只需广播我们想要更改的变量。注意：为了清晰起见，我使用的是

AX

而不是

arrayX

：

# Iterate through A2

idx  = (A2==1) & (A3==0)
idx2 = (~idx)  & (A3>0)
A3[idx ]  = 1
A3[idx2] += 1
A1[A3==5] = 8

此外，一旦您习惯了这种风格，这将大大提高代码的清晰度，因为您没有明确地处理索引（这里是

a

和

b

）

值得这么麻烦吗？ 在尝试上述代码后，我要求OP进行速度测试：

如果您确实实现了循环更改，请让我知道您的真实代码的速度。 了解给出的建议是否只是美化了语法，或者是否有显著的效果是很有用的

---

经过测试，响应速度大大提高了40倍！在处理执行简单掩码的大型连续数据数组时，

numpy

是比本机python列表更好的选择。

这非常有效！我做了两次测试，比较了它和我原来的速度，这花了18秒，而不是超过12分钟！所以它肯定有显著的效果。谢谢（看起来也好多了）@TravisMoon太好了！我非常感谢您发布结果，当人们询问

numpy

是否值得为基本数组操作而费心时，我会在这里指导他们。我期望加速，但没有达到40倍！感谢您澄清python是如何处理布尔表达式的，我工作中的其他人也提到了np.logical_以及用于numpy数组。对于这份工作，我使用了上面给出的答案，但如果我在某个阶段有机会，我也会试试看哪个更快。我不确定我在工作中使用的电脑是否有cpython，但我可能仍会研究它。非常感谢。