我知道现在回答这个问题已经太晚了，但是我对学习NumPy很感兴趣。您可以使用numpy.where自己对函数进行矢量化。

def func(x):
    import numpy as np
    x = np.where(x<0, 0., x*10)
    return x

• • 示例**

使用标量作为数据输入：

x = 10
y = func(10)
y = array(100.0)

使用数组作为数据输入：

x = np.arange(-1,1,0.1)
y = func(x)
y = array([ -1.00000000e+00,  -9.00000000e-01,  -8.00000000e-01,
    -7.00000000e-01,  -6.00000000e-01,  -5.00000000e-01,
    -4.00000000e-01,  -3.00000000e-01,  -2.00000000e-01,
    -1.00000000e-01,  -2.22044605e-16,   1.00000000e-01,
     2.00000000e-01,   3.00000000e-01,   4.00000000e-01,
     5.00000000e-01,   6.00000000e-01,   7.00000000e-01,
     8.00000000e-01,   9.00000000e-01])

• • 注意事项**：

1)如果x是掩码数组，则需要使用np.ma.where，因为这适用于掩码数组。

在将func应用于数组x之前，使用numpy.vectorize将其 Package ：

from numpy import vectorize
vfunc = vectorize(func)
y = vfunc(x)

这应该可以满足您的需要：

def func(x):
    small_indices = x < 10
    x[small_indices] = 0
    x[invert(small_indices)] *= 10
    return x

invert是一个Numpy函数。注意，这会修改参数。要防止这种情况，您必须修改并返回x的copy。

• （我知道这是个老问题，但...）*

还有一个选项在这里没有提到--使用np.choose。

np.choose(
    # the boolean condition
    x < 0,
    [
        # index 0: value if condition is False
        10 * x,
        # index 1: value if condition is True
        0
    ]
)

虽然可读性不强，但这只是一个表达式（不是一系列语句），并没有降低numpy固有的速度（如np.vectorize）。

x = numpy.arrange(-1,1,0.01)
mask = x>=0
y = numpy.zeros(len(x))
y[mask] = x[mask]*10

mask是一个布尔数组，它等于True是数组索引，匹配条件，False在其他地方。最后一行用乘以10的值替换原始数组中的所有值。
编辑以反映比约恩的相关评论

不确定为什么需要函数

x = np.arange(-1, 1, 0.01)
y = x * np.where(x < 0, 0, 10)