提问人：Michael Sweet 提问时间：6/27/2023 最后编辑：Michael Sweet 更新时间：7/12/2023 访问量：66
Numpy 索引表达式中的速记自引用
Shorthand self reference in Numpy indexing expressions
问：
有没有更有效的方法在 NumPy 数组索引表达式中引用外部数组？我经常发现，对于冗长命名的 NumPy 数组，索引表达式很快就会变得非常丑陋。例如：
other_precice_array = precicely_named_array[(precicely_named_array > num) | (precicely_named_array.isodd())]
对我来说，使用三个“precicely_named_array”的引用似乎有点不合时宜。我真的希望能够在索引时以速记方式引用数组，如下所示：
other_precice_array = precicely_named_array[(self > num) | (self.isodd())]
或
other_precice_array = precicely_named_array[(np.me > num) | (np.me.isodd())]
这种语法还有一个额外的好处，即当被切片的数组依赖于不同的数组时，它更加明显。看：
other_precice_array = precicely_named_array[(different_array > num) | (self.isodd())]
有什么办法可以做到吗？或者我缺少为什么我真的不想要这个的原因？
我认为像np.where和np.choose这样的函数可能会提供解决方案，但它们仍然需要对切片数组的多次引用。
P.S. 我意识到还有其他方法可以使表达式更简洁，例如将切片表达式分离到它自己的变量中，或者只是使用更短的名称，但出于这个问题的目的，我对这些答案不感兴趣。
答：
2赞
Michael Cao
6/27/2023
#1
在Python 3.8+中，使用带有 walrus 运算符的临时变量名称。:=
other_precice_array = (_ := precicely_named_array)[(_ > num) | _.isodd()]
评论
0赞
chrslg
6/27/2023
或_=precisely_named_array ; other_precise_array=_[(_>num) | _.isodd()]
0赞
chrslg
6/27/2023
换句话说，如果你发现大变量名称太复杂，只需使用更简单的变量名称（至少作为别名，同时保留旧的大名称）。
0赞
Bob
6/27/2023
或保持原答案的精神other_precice_array = (_ := precicely_named_array)[(_ > num) | (_.isodd())]
0赞
tdelaney
6/27/2023
#2
Python 不会自动保留对表达式中值的命名引用 - 并且很难以合理的方式做这样的事情。
您可以使用简洁的名称将计算放入函数中
def large_and_odd(arr, n):
return arr[(arr > n) | (arr.isodd())])
other_precice_array = large_and_odd(precicely_defined_array, num)
这可以在现有函数中完成，也可以在模块级别完成。使用函数来清晰是公平的游戏。你也可以用 lambda 来做，但对于未来的读者来说，它是如何工作的以及你为什么要这样做会令人费解。但。。。
other_precice_array = (lambda arr, n: arr[(arr > n) | (arr.isodd())])\
(precicely_defined_array, num)
评论
0赞
Michael Sweet
7/12/2023
我认为在某些情况下这可能是正确的解决方案，但至少根据我的经验，索引表达式往往是一次性的（仅在其特定上下文中有用），并且我认为制作函数的可读性比使用 walrus 运算符内联要差一些......不过，这是一个很好的答案。
评论
this = precisely_named_arraythisx[z]zz(a | b)numpyother_precice_array = (lambda s: s[(s > num) | (s.isodd())])(precicely_named_array)