提问人：Marius 提问时间：11/5/2014 更新时间：11/5/2014 访问量：2325
Numpy 矢量化小于/大于比较
Numpy vectorized less than/greater than comparisons
问：
我有一些代码可以匹配它们所属圆的象限的角度。它目前给了我想要的结果，但我试图失去 for 循环以充分利用 numpy 的速度。
import numpy as np
angle = np.array([350, 10, 80, 100, 170, 190, 260, 280])
# Center of each quadrant
spawn_angles = np.array([0, 90, 180, 270])
segment_degrees = np.diff(spawn_angles)[0]
lower_bounds = spawn_angles - (segment_degrees / 2)
upper_bounds = spawn_angles + (segment_degrees / 2)
max_upper = upper_bounds.max()
# Wrap angles larger than the upper bound of the last segment
# back to a negative angle
angle[angle > max_upper] -= 360
quadrant = np.zeros_like(angle, dtype=np.float64)
# Want to make sure that quadrants that don't get calculated
# properly get assigned an invalid number, i.e. -1
quadrant.fill(-1)
for segment_num in range(len(spawn_angles)):
in_segment = ((angle > lower_bounds[segment_num]) &
(angle < upper_bounds[segment_num]))
quadrant[in_segment] = segment_num
# Expected/current output
quadrant
Out[16]: array([ 0., 0., 1., 1., 2., 2., 3., 3.])
基本上，我无法弄清楚如何在 numpy 中做什么的部分是 / 比较。
如果角度介于 和 之间，则对应的条目
of 被分配为 0，同样，对于象限 1、2、3。有什么办法吗
将角度数组与 and/or 的所有条目同时进行比较？><lower_bounds[0]upper_bounds[0]quadrantlower_boundupper_bound
（如果此代码看起来过于复杂，部分原因是 /quadrant 居中
并非总是如此，它们也可以是例如spawn_angles[0, 90, 180, 270][45, 135, 225, 315])
答：
1赞
abarnert
11/5/2014
#1
你需要把所有东西都提升到一个维度。您需要一个 2D 数组，每个角度为一行，每个角度segment_num为一列。（或者，也许你想要转置，但如果是这样，你应该能够从这里弄清楚。
如果你只是做 where 和 都是 1D 数组，你就要求进行 1 对 1 的元素比较。a > bab
但是，如果是 2D 数组，则要求进行笛卡尔乘积比较。a
换言之：
>>> array.reshape((8,1)) > lower_bounds
array([[ True, True, True, True],
[ True, False, False, False],
[ True, True, False, False],
[ True, True, False, False],
[ True, True, True, False],
[ True, True, True, False],
[ True, True, True, True],
[ True, True, True, True]], dtype=bool)
你应该能够从那里弄清楚。
评论
0赞
Marius
11/5/2014
太好了，明白了，感谢您朝着正确的方向推动。我将很快发布我重新设计的代码作为解决方案，如果您发现任何明显的错误，请告诉我。
1赞
Marius
11/5/2014
#2
感谢 abarnert 在这里提供的关键见解。我重新设计的矢量化代码：
import numpy as np
angle = np.array([350, 10, 80, 100, 170, 190, 260, 280])
# Center of each quadrant
spawn_angles = np.array([0, 90, 180, 270])
segment_degrees = np.diff(spawn_angles)[0]
lower_bounds = spawn_angles - (segment_degrees / 2)
upper_bounds = spawn_angles + (segment_degrees / 2)
max_upper = upper_bounds.max()
# Wrap angles larger than the upper bound of the last segment
# back to a negative angle
angle[angle > max_upper] -= 360
angle_2d = angle.reshape((len(angle), 1))
cmp_array = ((angle_2d > lower_bounds) &
(angle_2d < upper_bounds))
quadrant = np.argwhere(cmp_array)[:, 1]
quadrant
Out[29]: array([0, 0, 1, 1, 2, 2, 3, 3], dtype=int64)
评论
0赞
Chris.Wilson
9/26/2017
仅供将来参考，您可以将 angle_2d = angle.reshape（（len（angle）， 1）） 重写为 angle_2d = angle.reshape（（-1， 1））
评论