Question

我正在尝试遍历numpy数组的每个元素，并以半随机方式更改其值。这样做的原因是，我将该方法应用于不同的数组：我希望更改它们，但我不希望它们以相同的方式更改。

这是我到目前为止尝试过的：

with np.nditer(smatrix, op_flags=['readwrite']) as it:
    for element in it:
        if element < 0:
            element = element - uniform(0.1,0.2)
        if 0 <= element < 0.05:
            element = uniform(0.15,0.3)
        elif 0.05 <= element < 1:
            element = 0
        elif 1 == element:
            element = 1

另一种可能性：

for element in np.nditer(smatrix, op_flags=['readwrite']):
    if element < 0:
        element = element - uniform(0.1,0.2)
    if 0 <= element < 0.05:
        element = uniform(0.15,0.3)
    elif 0.05 <= element < 1:
        element = 0
    elif 1 == element:
        element = 1

但是，结果数组看起来与初始数组完全相同...

我对编程还比较陌生，并且在这个问题上停留了很长时间。如果有人能给我一些解决方法的提示，最好是简短的解释，那将是非常棒的。谢谢！！

Answer 1

如果要将变换应用于numpy.array的每个单元格，那么numpy.vectorize是正确的工具。首先，您需要使用函数，该函数将使用单个单元格的内容作为输入，该函数本身将被馈送到vectorize且需要return的期望值，请参见代码：

import numpy as np
import random
def f(x):
    if x < 0:
        return x-random.uniform(0.1,0.2)
    if 0 <= x < 0.05:
        return random.uniform(0.15,0.3)
    if 0.05 <= x < 1:
        return 0.0
    if x == 1:
        return 1.0
    return x
vf = np.vectorize(f)

data = np.array([-4.3,0.03,0.9,1.0,1.9])
altered_data = vf(data)

输出（由于部分随机，可能与您有所不同）：

[-4.48922564  0.19609667  0.          1.          1.9       ]

您可以检查它对所有值的作用。请注意，我添加了“对元素不执行操作”（return x）作为安全措施，以防元素大于1。

有关numpy.vectorize的更多信息，请阅读documentation。

编辑：已修正在评论中报告的问题，问题是f有时return编辑了int，有时float，而它应该始终return {{ 1}}。

Answer 2

我认为nditer需要更强有力的免责声明。对于初学者来说，它不是一个很好的迭代工具。使用权利很难，而且速度不是特别快。这个Python版本确实是在编译代码中使用它的踏脚石，如cython主页末尾的nditer示例所示：

https://docs.scipy.org/doc/numpy/reference/arrays.nditer.html

可以使用更快的方法进行这种数组计算，但是我将尝试解释为什么您的nditer无法正常工作。

问题在于基本的Python迭代。像这样的循环：

alist = [0,0,0]
for element in alist:
    element = 1

alist未修改。 element=1只是重新分配了element变量，但没有修改迭代变量本身。相反，您可以对element本身进行突变。

对于nditer，迭代变量本身就是ndarray，并且是可变的：

In [69]: smatrix = np.zeros((2,2),int)                                          
In [70]: with np.nditer(smatrix, op_flags=['readwrite']) as it: 
    ...:     for element in it: 
    ...:         print(element, type(element)) 
    ...:         element[...] = 1 
    ...:                                                                        
0 <class 'numpy.ndarray'>
0 <class 'numpy.ndarray'>
0 <class 'numpy.ndarray'>
0 <class 'numpy.ndarray'>
In [71]: smatrix                                                                
Out[71]: 
array([[1, 1],
       [1, 1]])

如果不清楚，请仔细查看https://docs.scipy.org/doc/numpy/reference/generated/numpy.nditer.html中的示例。注意使用out参数和类似x[:] = [-1, -2, -3]的表达式。

如果这种关于变异变量的说法令人困惑，则很好地表明nditer在这一点上太先进了。

根据其值更改numpy数组的各个元素

2 个答案: