求最大正值或最小负值的向量化版本

Question

假设我有一只熊猫DataFrame，名为purity_list，如下所示：

In[]: purity_list
Out[]: 
     48    49    50
2   0.1   0.9   0.3
A   0.2  -0.5  -0.6
4   0.3   0.8   0.9

我想将它与另一个numpy数组进行比较，得到最大值+ve值，如果没有+ve值，我想要最低的-ve值。

因此，假设我将其与名为purities的numpy数组进行比较，如下所示：

In[]: purities
Out[]: 
array([-0.2, 0.2, -0.8]) 

我现在最接近的矢量化代码是：

purity_list = np.where(np.absolute(purity_list) > np.absolute(purities), 
                       purity_list, purities)

当我运行该代码时，我将得到以下内容：

In[]: purity_list
Out[]: 
     48    49    50
2  -0.2   0.9  -0.8
A  -0.2  -0.5  -0.8
4   0.3   0.8   0.9

我真正想要的是一些稍微不同的东西。我这里有一个非矢量化的逻辑：

for i, v1 in enumerate(purity_list):
    for j, v2 in enumerate(v1):
        if v2 > 0 or purities[j] > 0:
            purity_list.iloc[i, j] = np.max(purity_list.iloc[i, j], purities[j])
        else:
            purity_list.iloc[i, j] = np.min(purity_list.iloc[i, j], purities[j])

这样做的结果是：

In[]: purity_list
Out[]: 
     48    49    50
2   0.1   0.9   0.3
A   0.2   0.2  -0.8
4   0.3   0.8   0.9

这是我正在寻找的结果。我重复这个语句超过100,000次，我的数组非常大，所以我需要一个矢量化版本。表演是这里的关键。

Answer 1

在您的np.where版本中，逻辑是不完全正确的。考虑一下，当一个负值比一个正值要大的时候会发生什么。不过，工具的选择是合理的。因此，您所需要做的就是纠正这种情况，以便更好地匹配您的目标：

np.where((purity_list < 0) & (purities < 0),
         np.where(purity_list < purities, purity_list, purities),
         np.where(purity_list > purities, purity_list, purities))
Out[42]:
array([[ 0.1,  0.9,  0.3],
       [ 0.2,  0.2, -0.8],
       [ 0.3,  0.8,  0.9]])

如果嵌套np.where觉得很傻，那么可以将逻辑组合起来：

np.where(((purity_list < 0) & (purities < 0) & (purity_list < purities))
         |(((purity_list > 0) | (purities > 0)) & (purity_list > purities)),
         purity_list, purities)
Out[43]:
array([[ 0.1,  0.9,  0.3],
       [ 0.2,  0.2, -0.8],
       [ 0.3,  0.8,  0.9]])

虽然我发现第一条路更清晰。