Python “Numpy”；其中；函数无法避免计算Sqrt（负）

似乎

np.where

函数首先计算所有可能的结果，然后再计算条件。这意味着，在我的例子中，它将计算-5，-4，-3，-2，-1的平方根，即使以后不再使用它

我的代码运行正常。但我的问题是警告。我避免使用循环来计算每个元素，因为它的运行速度比

np.where

慢得多

所以，在这里，我在问

有没有办法使

np。在哪里

首先评估条件

我能关掉这个特别的警告吗？怎么做

如果你有更好的建议，还有更好的方法

这里只是一个与我的真实代码相对应的简短示例代码，它是巨大的。但本质上也有同样的问题

输入：

import numpy as np

c=np.arange(10)-5
d=np.where(c>=0, np.sqrt(c) ,c )

输出：

RuntimeWarning: invalid value encountered in sqrt
d=np.where(c>=0,np.sqrt(c),c)

---

这是你第二个问题的答案

是的，您可以关闭警告。使用模块

---

一种解决方案是不使用

np.where

，而是使用索引

c = np.arange(10)-5
d = c.copy()
c_positive = c > 0
d[c_positive] = np.sqrt(c[c_positive])

有一种更好的方法可以做到这一点。让我们看看你的代码在做什么，看看为什么。

np.其中

接受三个数组作为输入。数组不支持延迟求值

d = np.where(c >= 0, np.sqrt(c), c)

因此，这一行相当于

a = (c >= 0)
b = np.sqrt(c)
d = np.where(a, b, c)

请注意，输入是在调用

之前立即计算的

幸运的是，您根本不需要使用
where
。相反，只需使用布尔掩码：

mask = (c >= 0)
d = np.empty_like(c)
d[mask] = np.sqrt(c[mask])
d[~mask] = c[~mask]

如果您希望看到大量的负片，您可以复制所有元素，而不仅仅是负片：

d = c.copy()
d[mask] = np.sqrt(c[mask])

更好的解决方案可能是使用屏蔽阵列：

d = np.ma.masked_array(c, c < 0)
d = np.ma.sqrt(d)

d=np.ma.masked_数组（c，c<0）
d=np.ma.sqrt（d）

要在屏蔽部分不变的情况下访问整个数据数组，请使用
d.data
np.sqrt
是
ufunc
并接受
where
参数。在这种情况下，它可用作遮罩：

In [61]: c = np.arange(10)-5.0
In [62]: d = c.copy()
In [63]: np.sqrt(c, where=c>=0, out=d);
In [64]: d
Out[64]: 
array([-5.        , -4.        , -3.        , -2.        , -1.        ,
        0.        ,  1.        ,  1.41421356,  1.73205081,  2.        ])

与
np.where
情况相反，这并不计算~where元素处的函数。
根据numpy，语句
d=np.where（c>=0，np.sqrt（c），c）
相当于
[sqcv if cond else cv for（cond，sqcv，cv）In zip（c>=0，np.sqrt（c），c）]
。换句话说，术语
np.sqrt（c）
的计算与
c>=0的条件无关。您好，谢谢。它工作得很好。但当我尝试你最后的方法时。我仍然需要负值
d1=np.ma.masked_数组（c.copy（），c0）
。然后d=d1+d2。它不起作用。你能再帮我一点忙吗？我在末尾加了一张便条
In [61]: c = np.arange(10)-5.0
In [62]: d = c.copy()
In [63]: np.sqrt(c, where=c>=0, out=d);
In [64]: d
Out[64]: 
array([-5.        , -4.        , -3.        , -2.        , -1.        ,
        0.        ,  1.        ,  1.41421356,  1.73205081,  2.        ])