我是numpy的新手，并且遇到了以下情况：我需要创建两个随机整数（介于0 + 1之间）的numpy数组。一个numpy数组表示x坐标，另一个表示y坐标。然后，我需要使用squareroot（x ^ 2 + y ^ 2）<1来检查点是否落入半径为1的圆内。
我目前正试图将数组平方并添加在一起。可能很简单的任务就是给我带来麻烦。
import matplotlib.pyplot as plt
import numpy as np
plots = 100
dataOne = np.random.random(size = plots)
dataTwo = np.random.random(size = plots)
circle = plt.Circle((0,0), 1, alpha = 0.1)
plt.gca().add_patch(circle)
plt.xlim(0, 5)
plt.ylim(0, 5)
plt.show()
squareDataOne = dataOne ** 2
squareDataTwo = dataTwo ** 2
if squareDataOne + squareDataTwo < 1:
print("Now check square-root!")
我一直收到错误消息：具有多个元素的数组的真值不明确。使用a.any（）或a.all（）。谁能解释为什么Python / Numpy不喜欢这个？有人告诉我尝试使用布尔表达式对数组进行切片。谁能提供将其合并到我给定代码中的最佳方法的建议？ 对于新手的任何建议或技巧都将受到赞赏。
答案 0 :(得分：2)
squareDataOne 看起来像这样：
[7.43871942e-02 2.73007883e-01 5.23115388e-03 6.57541340e-01
3.08779564e-01 1.24098667e-02 5.08258990e-01 6.52590269e-01
8.90656103e-02 3.76389212e-02 2.12513661e-01 2.79683875e-01
7.76233370e-01 6.48353342e-02 8.01663208e-01 8.69331480e-01
4.34903542e]
squareData2 看起来很相似。 if 语句中的表达式：
squareDataOne + squareDataTwo < 1
产生这个数组：
[ True False True True True True True True False False True False
True False False True True True True True False True False False
True True False True True True True True True True True True
True True False False True False]
因此，您的 if 语句需要一个 True 或 False 值，并且正在获取此数组。错误消息告诉您，Python不知道如何将此数组转换为单个 True 或 False 值。
我不太了解您的代码逻辑，以至于无法解决此问题。显然，您有很多数据，但是您希望决定一个二进制事件。如果您应该打印“现在检查平方根！”或不。我不知道你该怎么做。
答案 1 :(得分：0)
然后我需要检查点是否落在 使用squareroot（x ^ 2 + y ^ 2）<1半径1。
您可以使用array filtering
pt_norm = (squareDataOne + squareDataTwo)
r_inside_circle = np.sqrt(pt_norm[pt_norm < 1])
这将为您提供r_inside_circle中落在圆内的所有点的半径。当您增加值plots时，您会看到(4.0*len(r_inside_circle))/len(dataOne)将接近PI。
答案 2 :(得分：0)
我想您要替换这个：
if squareDataOne + squareDataTwo < 1:
print("Now check square-root!")
类似：
# Calculate radii
radii = (squareDataOne + squareDataTwo)**0.5
# Create a boolean array (True/False values) for filtering
incircle = radii < 1
# Print the number of points inside the circle (Python 3.6+ for the f-string)
print(f"There are {np.sum(incircle)} points inside the circle")
# Plot the points within the circle
plt.scatter(dataOne[incircle], dataTwo[incircle])
dataOne[incircle]和dataTwo[incircle]将仅从incircle的值为True的每个数组中提取那些元素（即[x，y]坐标对）。 / p>
答案 3 :(得分：0)
# Change number of random points to 5.
plots = 5
...
inside_circle = squareDataOne + squareDataTwo < 1
print(inside_circle)
output:
[False True True False False]
它表明inside_circle是dtype“ bool”的numpy数组，指示每个点是否在圆内，而不是单个“ bool”变量，这就是python if语句引发错误的原因。您可以对inside_circle中的所有“布尔”求和以获得圆内的点数（在对布尔数组求和时，numpy将True视为1，而False则视为0）。 / p>
plots = 100
...
num_inside = np.sum(inside_circle)
# Check if all points are inside.
if num_inside == plots:
print('All inside.')
# If what you really want to achieve is to estimate the area of one quarter of a circle
# using Monte Carlo Sampling.
print(num_inside / plots) # Your estimate.
print(np.pi / 4) # Actual area.
output:
0.79
0.7853981633974483
估计接近了，对吧？
答案 4 :(得分：0)
下面是使用radius**2 并使用边界框进行预过滤的示例。这些优化对大型集很有帮助。
使用边界框和 Radius**2 进行预过滤的速度是原来的 10 倍。此代码在 0.128 秒内执行：
import time
import numpy as np
plots = 10000000
radius = 1
center = np.array([0,0])
all_points = np.random.randint(low = -5, high = 5, size = plots*2).reshape(-1, 2)
print('All Points: ' + str(len(all_points)))
start_time = time.time()
# Limit expensive circle search to only points within box bounding circle
bounding_box_lowerleft = center - np.array([radius, radius])
bounding_box_upperright = center + np.array([radius, radius])
in_box_points = all_points[(all_points[:, 0] < bounding_box_upperright[0]) & (all_points[:,0] > bounding_box_lowerleft[0]) & (all_points[:, 1] < bounding_box_upperright[1]) & (all_points[:,1] > bounding_box_lowerleft[1])]
print('In Box: ' + str(len(in_box_points)))
# Use squared to avoid cost of sqrt
radius_squared = radius**2
in_circle_points = in_box_points[((in_box_points[:, 0] - center[0])**2 + (in_box_points[:, 1] - center[1])**2) <= radius_squared ]
print('In Circle: ' + str(len(in_circle_points)))
print('Elapsed time: ' + str(time.time() - start_time) + ' seconds')
Radius**2 快 4 倍。此代码在 0.349 秒内执行：
import time
import numpy as np
plots = 10000000
radius = 1
center = np.array([0,0])
all_points = np.random.randint(low = -5, high = 5, size = plots*2).reshape(-1, 2)
print('All Points: ' + str(len(all_points)))
start_time = time.time()
# Use squared to avoid cost of sqrt
radius_squared = radius**2
in_circle_points = all_points[((all_points[:, 0] - center[0])**2 + (all_points[:, 1] - center[1])**2) <= radius_squared ]
print('In Circle: ' + str(len(in_circle_points)))
print('Elapsed time: ' + str(time.time() - start_time) + ' seconds')
没有任何优化。此代码在 1.185 秒内执行：
import time
import numpy as np
plots = 10000000
radius = 1
center = np.array([0,0])
all_points = np.random.randint(low = -5, high = 5, size = plots*2).reshape(-1, 2)
print('All Points: ' + str(len(all_points)))
start_time = time.time()
in_circle_points = all_points[((all_points[:, 0] - center[0])**2 + (all_points[:, 1] - center[1])**2)**0.5 <= radius ]
print('In Circle: ' + str(len(in_circle_points)))
print('Elapsed time: ' + str(time.time() - start_time) + ' seconds')