如何用Numpy实现基于数值条件的原始数据校准操作

你的原始循环逻辑是对不同区间的数值做乘法校准，用Numpy可以通过批量数组操作替代循环，效率更高，代码更简洁。

原始循环代码 #

arr = list(range(1000)) # random array
for i in range(len(arr)):
    if arr[i] > 200 and arr[i] < 500:
        arr[i] = arr[i]*2.5
    elif arr[i] >= 500 and arr[i] < 1000:
        arr[i] = arr[i]*2.3

Numpy实现方法 #

方法一：布尔索引（直观易读）

利用Numpy的布尔索引直接定位目标区间的元素，批量修改：

import numpy as np

# 将列表转为numpy数组
arr = np.arange(1000)

# 筛选200 < 数值 < 500的元素，乘2.5
mask1 = (arr > 200) & (arr < 500)
arr[mask1] *= 2.5

# 筛选500 ≤ 数值 < 1000的元素，乘2.3
mask2 = (arr >= 500) & (arr < 1000)
arr[mask2] *= 2.3

方法二：np.where（链式逻辑，一行完成）

用np.where()嵌套实现多条件判断，一次性完成所有替换：

import numpy as np

arr = np.arange(1000)
arr = np.where(
    (arr > 200) & (arr < 500), 
    arr * 2.5,
    np.where(
        (arr >= 500) & (arr < 1000), 
        arr * 2.3, 
        arr  # 不满足条件的元素保持原值
    )
)

两种方法都能实现和原循环完全一致的效果，且数据量越大，Numpy的批量操作优势越明显。

内容的提问来源于stack exchange，提问作者Staked