如何更高效地将Numpy数组中的强化学习连续动作值映射至目标范围？

我需要将强化学习中范围为(-1.0, 1.0)的连续动作值（以Numpy数组形式存储，示例：actions = np.array([-1., 0.2, -0.3, 0.5])）分别映射到不同的目标范围，例如：actions[0]映射至(-0.4,1.54)、actions[1]映射至(1.4,1.54)等，期望得到映射后的数组mapped_actions = np.array([-0.4, 1.484, -0.86, -0.085])。

当前通过循环结合np.interp函数实现，代码如下：

import numpy as np

actions = np.array([-1., 0.2, -0.3, 0.5])
mapped_low_high = np.array([[-0.4, 1.54], [1.4, 1.54],[-2.4, 2.], [-1.54, 0.4]])

mapped_actions = np.zeros_like(actions)

for i in range(actions.shape[0]):
    mapped_actions[i] = np.interp(actions[i], (-1., 1.), mapped_low_high[i])

想知道有没有更优的映射方法。

你当前使用的np.interp本质是执行线性区间缩放，完全可以用Numpy的向量化操作替代循环，避免逐元素遍历的开销，尤其是在动作维度较大时，效率提升会非常明显。

线性映射的核心公式为：对于输入值x（范围[x_min, x_max]），要映射到目标范围[y_min, y_max]，结果为：
y = y_min + (y_max - y_min) * (x - x_min) / (x_max - x_min)

针对你的场景，输入范围固定为(-1,1)，可以直接将公式转化为向量化运算：

import numpy as np

actions = np.array([-1., 0.2, -0.3, 0.5])
mapped_low_high = np.array([[-0.4, 1.54], [1.4, 1.54],[-2.4, 2.], [-1.54, 0.4]])

# 提取每个目标范围的最小值和最大值
y_min = mapped_low_high[:, 0]
y_max = mapped_low_high[:, 1]

# 利用Numpy广播特性完成向量化映射
mapped_actions = y_min + (y_max - y_min) * (actions + 1) / 2

验证结果：

print(mapped_actions)
# 输出：[-0.4    1.484 -0.86  -0.085]

该结果与你期望的完全一致，且全程无循环，充分利用Numpy的数组运算优化，计算效率远高于循环版本。

内容的提问来源于stack exchange，提问作者Rezwan Khan