我认为您需要矢量化函数np.where：

B = np.where(A > 0.5, 1, 0)
print (B)
[[1 1 1 1 1 1 0 1 1 1 0 0 1 1 0 1 0 1 0 0 1 0 0 1 1 1 1 0 0 1 0 1 1 0 1 0 0
  1 0 0 1 0 1 0 1 0 0 1 1 0]]

B = np.where(A <= 0.5, 0, 1)
print (B)
[[1 1 1 1 1 1 0 1 1 1 0 0 1 1 0 1 0 1 0 0 1 0 0 1 1 1 1 0 0 1 0 1 1 0 1 0 0
  1 0 0 1 0 1 0 1 0 0 1 1 0]]

但如果只需要转换为0和1，则holdenweb solution更好。
如果需要转换为其他标量，如5和10或a和b，则np.where更好：

C = np.where(A > 0.5, 5, 10)
print (C)
[[ 5  5  5  5  5  5 10  5  5  5 10 10  5  5 10  5 10  5 10 10  5 10 10  5
   5  5  5 10 10  5 10  5  5 10  5 10 10  5 10 10  5 10  5 10  5 10 10  5
   5 10]]

D = np.where(A > 0.5, 'a', 'b')
print (D)
[['a' 'a' 'a' 'a' 'a' 'a' 'b' 'a' 'a' 'a' 'b' 'b' 'a' 'a' 'b' 'a' 'b' 'a'
  'b' 'b' 'a' 'b' 'b' 'a' 'a' 'a' 'a' 'b' 'b' 'a' 'b' 'a' 'a' 'b' 'a' 'b'
  'b' 'a' 'b' 'b' 'a' 'b' 'a' 'b' 'a' 'b' 'b' 'a' 'a' 'b']]

型

时间：

np.random.seed(223)
A = np.random.rand(1,1000000)

#jez
In [64]: %timeit np.where(A > 0.5, 1, 0)
100 loops, best of 3: 7.58 ms per loop

#holdenweb
In [65]: %timeit (A > 0.5).astype(int)
100 loops, best of 3: 3.47 ms per loop

#stamaimer
In [66]: %timeit element_wise_round(A)
1 loop, best of 3: 318 ms per loop

标准的numpy广播可用于将每个元素与标量值进行比较，为每个元素生成布尔值，然后ndarray.astype方法将True值转换为1，将False值转换为零。

In [16]: (A > 0.5).astype(int)
Out[16]:
array([[1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0,
        0, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0,
        1, 0, 0, 1, 1, 0]])

np.random.seed(223)
A = np.random.rand(1000000)
A = [0 if i <=0.5 else 1 for i in A]

你的代码的问题是A[i]的维数，A被初始化为矩阵[1，n]（1行n列--在np.array（）中有两个括号），所以类型A[i]的引用实际上意味着“整个第i行，或者一个数组我对python和numpy还很陌生，但是访问单个单元格并将每个单元格设置为1或0可以这样编写（当然，只有在这里你被迫使用FOR循环的情况下）：

for i in range(A.shape[1]):
 if A[0,i]>0.5:
    Y_prediction[0,i] = 1
 else:
    Y_prediction[0,i] = 0

但是，最好的解决方案，正如上面所描述的，无疑是避免for循环。

• 这可能会解决您的问题 *

a=1
b=0
predict=list()
for i in A:
    if i>0.5:
        predict.append(a)
    else:
        predict.append(b)
print(predict)

• 我们首先将值a赋值为0，B赋值为1，但您可以在append函数中直接使用1和0**“A”包含概率形式的列表，我们从该列表中分配新的列表名称predict，在比较列表中的每个项目后，我们使用append方法将值放入列表中**predict列表包含您的ans*

您可以使内置的round函数元素明智地使用np.vectorize。

import numpy as np

element_wise_round = np.vectorize(round, otypes=[np.int])

print element_wise_round(A)

A1=A-0.5
A2=np.sign(A1)

现在你有了1和-1。如果你在原始数组中没有0，你可以把-1转换成0，这样数组就只有1和0了：

indices = A2 == -1
A2[indices] = 0

结果是：

A2

型
阵列（1.，1.，1.，1.，1.，0.，1.，1.，0.，0.，1.，1.，0.，1.，0.，1.，0.，0.，1.，1.，1.，0.，1.，0.，1.，1.，0.，1.，0.，1.，0.，0.，1.，0.，0.，0.，1.，0.，1.，0.，0.，1.，0.，1.，0.，1.，0.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，0.，1.，1.，0.，1.，1.，0.，1.，1.，0.，1.，1.，0.，1.，1.，1.，1.，1 1.、0.、0.、1.、0.、1.、0.、0.、1.、1.、0.）