Question

我需要向量化以下python代码的帮助。当前循环太慢了，无法满足我的需求。

如果a是您的列表

[-1.5，-1，-1,0,0，-1,0,1.5,1,1,1,1,0,0,0,0,1,0,1,0,1.5， 1,1,1,1,0,0,0,0，-1.5 ...]

我们在下面的当前代码之后获得所需的输出： [-1，-1，-1,0,0,0,0,1,1,1,1,1,0,0,0,0,0,0,0,0,0,1,1,1， 1,1,0,0,0,0，-1 ...]

for index, item in enumerate(a): 
    if item == 1.5:
       a[index] = 1
    elif item == -1.5:
       a[index] = -1
    elif a[index] == 0:
       a[index] = 0
    elif (a[index] == 1 or a[index] == -1) and a[index-1] ==0:
       a[index] = 0
    else:
       a[index] = a[index-1]

谢谢！

Answer 1

按照@Bart的建议，您可以使用numpy轻松地至少对前三个操作进行矢量化。最后一个条件比较棘手，因为您需要知道前三种情况在哪里失败。您还需要注意，因为如果就地进行计算，那么早期的更改可能会影响以后的条件（即，将某些值分配为1，然后再检查等于1的值）。总而言之，您可以执行以下操作：

a = np.array(a)
cond1 = a == 1.5
cond2 = a == -1.5
cond3 = ((a == 1) | (a == -1))[1:] & (a[:-1] == 0)
cond4 = ~(cond1[1:] | cond2[1:] | cond3)
a[cond1] = 1
a[cond2] = -1
a[1:][cond3] = 0
a[1:][cond4] = a[1:][cond4]

Answer 2

您可以使用熊猫：

import pandas as pd

l = [-1.5,-1,-1,0,0,-1,0,1.5,1,1,1,1,0,0,0,0,1,0,1,0,1.5,1,1,1,1,0,0,0,0,-1.5]
s  = pd.Series(l)
cond1 = (s == 1.5)
cond2 = (s == -1.5)
cond3 = (s == 0)
cond4 = ((s == 1) | (s ==  -1)) & (s.shift() == 0)
out = pd.Series(pd.np.select([cond1, cond2, cond3, cond4],[1, -1, 0 ,0], pd.np.nan)).ffill()
out.tolist()

输出：

[-1.0,
 -1.0,
 -1.0,
 0.0,
 0.0,
 0.0,
 0.0,
 1.0,
 1.0,
 1.0,
 1.0,
 1.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 1.0,
 1.0,
 1.0,
 1.0,
 1.0,
 0.0,
 0.0,
 0.0,
 0.0,
 -1.0]

注意：这是一种矢量化的方式，如果不使用Numpy方法np.select，可以通过使用pd.np.select的熊猫导入来访问。默认值为np.nan，在这种默认情况下，允许向前填充获取以前的行值。

需要帮助有条件地将列表向量化

2 个答案: