此问题与this one有关。
我有一个函数要矢量化，这是原始函数：
def aspect_good(angle: float, planet1_good: bool, planet2_good: bool):
"""
Decides if the angle represents a good aspect.
NOTE: returns None if the angle doesn't represent an aspect.
"""
if 112 <= angle <= 128 or 52 <= angle <= 68:
return True
elif 174 <= angle <= 186 or 84 <= angle <= 96:
return False
elif 0 <= angle <= 8 and planet1_good and planet2_good:
return True
elif 0 <= angle <= 6:
return False
else:
return None这是我目前所知道的：
def aspects_good(
angles: npt.ArrayLike,
planets1_good: npt.ArrayLike,
planets2_good: npt.ArrayLike,
) -> npt.NDArray:
"""
Decides if the angles represent good aspects.
Note: this function was contributed by Mad Physicist. Thank you.
https://stackoverflow.com/q/73672739/11004423
:returns: an array with values as follows:
1 – the angle is a good aspect
0 – the angle is a bad aspect
-1 – the angle doesn't represent an aspect
"""
result = np.full_like(angles, -1, dtype=np.int8)
bad_mask = np.abs(angles % 90) <= 6
result[bad_mask] = 0
good_mask = (np.abs(angles - 120) <= 8) |\
(np.abs(angles - 60) <= 8) |\
((np.abs(angles - 4) <= 4) & planets1_good & planets2_good)
result[good_mask] = 1
return result然而，它并没有像预期的那样工作，我用pytest写了一个测试：
def test_aspects_good():
tests = np.array([
[120, True, False, True],
[60, True, False, True],
[180, True, False, False],
[90, True, False, False],
[129, True, False, -1],
[111, True, False, -1],
[69, True, False, -1],
[51, True, False, -1],
[187, True, False, -1],
[173, True, False, -1],
[97, True, False, -1],
[83, True, False, -1],
[0, True, True, True],
[0, True, False, False],
[0, False, True, False],
[0, False, False, False],
[7, False, False, -1],
[7, True, True, True],
[9, True, True, -1],
])
angles = tests[:, 0]
planets1_good = tests[:, 1]
planets2_good = tests[:, 2]
expected = tests[:, 3]
result = aspects_good(angles, planets1_good, planets2_good)
assert np.array_equal(result, expected)并且失败，返回False，则数组不同。
这里，我将result和expected数组并排组合在一起：
array([[ 1, 1],
│ [ 1, 1],
│ [ 0, 0],
│ [ 0, 0],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [-1, -1],
│ [ 0, 1],
│ [ 0, 0],
│ [ 0, 0],
│ [ 0, 0],
│ [-1, -1],
│ [-1, 1],
│ [-1, -1]])注意：第一列是result数组，第二列是expected。正如你所看到的，它们在两个地方不同。现在的问题是“如何调试这个？”通常我会使用调试器，并逐步通过每个if/elif/else条件。但我不知道如何调试numpy掩码。
1条答案
按热度按时间iqih9akk1#
这个问题似乎是三件事的结合：
您会发现
tests.dtype是dtype('int64')还是dtype('int32')取决于您的体系结构。这意味着包含planet1_good和planet2_good的列也是整数，而不是布尔值。1.按位AND（
&）* 不是 * 逻辑运算符。按位AND运算将返回一个输入类型中最大的结果。特别是
<=的结果，它 * 是 * 一个布尔值，和一个int数组，结果将是int。这意味着你可以做类似np.array([1, 2]) & np.array([True, True])的事情来得到array([1, 0])，而不是array([True, False])。x，那么x[[True, True]] = 1将1赋给x的两个元素。然而，x[[1, 1]] = 1只将1赋给x的第二个元素。这就是这里发生的事情。
bad_mask是一个布尔掩码，它的工作原理和你所期望的完全一样。但是，good_mask与几个整型数组进行AND运算，所以变成了一个包含0和1的整型数组。表达式result[good_mask] = 1实际上是将result的第一个和第二个元素赋值为1，这恰好对应于您的两个测试。剩余的True结果不能也不会被分配1。有几种方法可以解决这个问题，按偏好降序列出（我最喜欢的在上面）：
1.将所有数组转换为正确类型的numpy数组。现在你的函数不符合接受任何类似数组的约定。如果你为
angles传入一个列表，你将得到TypeError: unsupported operand type(s) for %: 'list' and 'int'。这是一个相当惯用的方法：1.在应用
good_mask之前，请确保它实际上是一个掩码。您仍然应该转换angles，但其他数组将由&运算符自动转换：您也可以执行类似于
bad_mask的操作：1.将掩码转换为索引，它不关心原始的dtype：