如果用到數(shù)據(jù)篩選功能，可以使用x if condition else y的邏輯實現(xiàn)。如果使用的是純Python，可以使用不斷迭代的方式對每一組元素組合進行相應的判斷篩選。不過，如果使用numpy中的向量化計可以大大加速運算的過程。

在numpy中有一個這個三目運算的向量版本numpy.where。where方法可以接收三個參數(shù)，第一個參數(shù)為條件向量，而第二、第三個參數(shù)可以是矩陣也可以是標量。接下來做一下相應功能的純Python功能實現(xiàn)以及向量方式實現(xiàn)。

記錄如下：

In [76]: xarr = np.array([1.1,1.2,1.3,1.4,1.5])In [77]: yarr = xarr + 1In [78]: xarrOut[78]: array([ 1.1, 1.2, 1.3, 1.4, 1.5])In [79]: yarrOut[79]: array([ 2.1, 2.2, 2.3, 2.4, 2.5])In [80]: cond = np.array([True,False,True,True,False])In [81]: condOut[81]: array([ True, False, True, True, False], dtype=bool)In [82]: result1 = [(x if c else y) for x,y,c in zip(xarr,yarr,cond)]In [83]: result1Out[83]: [1.1000000000000001, 2.2000000000000002, 1.3, 1.3999999999999999, 2.5]In [84]: result2 = np.where(cond,xarr,yarr)In [85]: result2Out[85]: array([ 1.1, 2.2, 1.3, 1.4, 2.5])

從浮點表示上，兩者有一點點小小的差異，在小數(shù)點后多位，通常在數(shù)值表示上可以忽略。不過，這里還是要進行一下兩個結(jié)果的一致性判斷，因為之前也看到過Python在浮點表達上因為機器而產(chǎn)生的差異。

測試的結(jié)果如下：

In [87]: result1 == result2Out[87]: array([ True, True, True, True, True], dtype=bool)

從上面的結(jié)果可以看出，兩個計算結(jié)果是一致的。

以上這篇對numpy中向量式三目運算符詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持武林站長站。