Python数组变量修改问题：相位速度为负时调整角度与速度值

你的循环代码没生效，是因为遍历zip(upwardGBPS, upwardGBPA)时，i和j只是原数据的临时副本，修改它们不会影响原数组/Series里的真实值——相当于你在循环里改的是另一个变量，和原数据完全没关系。

下面是两种高效的正确实现方式：

方式一：Pandas 布尔索引（适合处理DataFrame/Series） #

直接通过条件筛选定位需要修改的位置，批量修改：

import numpy as np

# 转换角度为弧度
upwardGBPA = upwardtest['Propagation direction [deg N from E]'] * np.pi/180
# 复制速度列（避免直接修改原DataFrame，按需选择）
upwardGBPS = upwardtest['Ground-based phase speed [m/s]'].copy()

# 筛选出相位速度为负的行
speed_neg_mask = upwardGBPS < 0

# 对符合条件的角度加π弧度
upwardGBPA.loc[speed_neg_mask] += np.pi
# 对符合条件的速度取绝对值
upwardGBPS.loc[speed_neg_mask] = upwardGBPS.loc[speed_neg_mask].abs()

方式二：Numpy 向量化操作（适合处理数组） #

如果把数据转为Numpy数组，用向量化操作更高效：

import numpy as np

# 转为Numpy数组
upwardGBPA = upwardtest['Propagation direction [deg N from E]'].values * np.pi/180
upwardGBPS = upwardtest['Ground-based phase speed [m/s]'].values

# 筛选速度为负的索引
speed_neg_mask = upwardGBPS < 0

# 批量修改角度和速度
upwardGBPA[speed_neg_mask] += np.pi
upwardGBPS[speed_neg_mask] = np.abs(upwardGBPS[speed_neg_mask])

这两种方式都能直接修改原数据，而且比循环效率高得多（尤其是数据量大的时候）。

内容的提问来源于stack exchange，提问作者Stormi Noll