Python numpy数组中无for循环的迭代

我需要对numpy数组进行逻辑迭代，它的值取决于其他数组的元素。我已经写了下面的代码来澄清我的问题。在没有for循环的情况下解决这个问题有什么建议吗

Code
a = np.array(['a', 'b', 'a', 'a', 'b', 'a'])
b = np.array([150, 154, 147, 126, 148, 125])
c = np.zeros_like(b)
c[0] = 150
for i in range(1, c.size):
    if a[i] == "b":
        c[i] = c[i-1]
    else:
        c[i] = b[i]

---

这里有一种方法，使用和的组合来创建以一定间隔停止的分级索引，然后简单地索引到

b

中，就可以得到所需的输出

因此，将需要实施-

mask = a!="b"
idx = np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))
out = b[idx]

分步运行示例-

In [656]: # Inputs 
     ...: a = np.array(['a', 'b', 'a', 'a', 'b', 'a'])
     ...: b = np.array([150, 154, 147, 126, 148, 125])
     ...: 

In [657]: mask = a!="b"

In [658]: mask
Out[658]: array([ True, False,  True,  True, False,  True], dtype=bool)

# Crux of the implmentation happens here :
In [696]: np.where(mask,np.arange(mask.size),0)
Out[696]: array([0, 0, 2, 3, 0, 5])

In [697]: np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))
Out[697]: array([0, 0, 2, 3, 3, 5])# Stepped indices "intervaled" at masked places

In [698]: idx = np.maximum.accumulate(np.where(mask,np.arange(mask.size),0))

In [699]: b[idx]
Out[699]: array([150, 150, 147, 126, 126, 125])

---

您可以使用更矢量化的方法，如下所示：

np.where(a == "b", np.roll(c, 1), b)

np.where

将从

np.roll（c，1）

中获取元素，如果条件为

True

，则从

b

中获取元素，如果条件为

False

<代码>np。滚动（c，1）将

c

的所有元素向前滚动1，以便每个元素都指向

c[i-1]

---

这些类型的操作使得numpy如此无价。如果可能的话，应该避免循环。

如果您不需要环绕边距，有一个非常简单的解决方案：

a = np.array(['a', 'b', 'a', 'a', 'b', 'a'])
b = np.array([150, 154, 147, 126, 148, 125])
c = b.copy()  #removes necessity of else case
c[a[:-1]=='b'] = c[a[1:]=='b']

或者同等地：

a = np.array(['a', 'b', 'a', 'a', 'b', 'a'])
b = np.array([150, 154, 147, 126, 148, 125])
c = b.copy()  #removes necessity of else case
mask = a == 'b'
c[mask[:-1]] = c[mask[1:]]

---

如果你想围绕页边（

a[0]==“b”

），那么它会变得更复杂一些，你要么需要使用

roll

，要么先用和

If

抓住这个例子，这是一个简单而简洁的解决方案。但是，为什么它会返回[150 0 147 126 0 125]？它不从a[i]=“b”的“b”数组中获取值。我误解了这个问题，只有当你已经拥有了

c

的所有元素时，这才有效，但是你通过循环填充它，所以它比这个稍微复杂一点