Python中numpy分段函数报错及多条件扩展问题求解

一、初始两段函数的错误解决 #

错误原因 #

传入函数的tempspace是numpy数组，直接用if x < 1873判断时，数组比较会返回布尔数组，if无法确定整个数组的真值，因此抛出ValueError。

解决方案 #

有两种高效处理方式：

方式1：向量化函数（简单直观）

用np.vectorize()将原函数转换为支持数组输入的向量化函数：

import numpy as np

def kappa_function(x):
    if x < 1873:
        return 120.5 - 0.1488*(x - 273.15) + (1.554e-4)*(x-273.15)**2 - 9.153e-8*(x - 273.15)**3 + 2.093e-11*(x - 273.15)**4
    else:
        return 42 - (x-1873)/70 + ((x-1873)**2)/500000  

# 转换为向量化函数
vec_kappa = np.vectorize(kappa_function)
tempspace = np.linspace(200, 10000, 10000)
kappa_f = vec_kappa(tempspace)

方式2：布尔索引赋值（性能更优）

直接利用numpy布尔索引对数组分段赋值，避免函数调用开销：

import numpy as np

tempspace = np.linspace(200, 10000, 10000)
kappa_f = np.empty_like(tempspace)

# 第一段：x < 1873
mask = tempspace < 1873
t_c = tempspace[mask] - 273.15
kappa_f[mask] = 120.5 - 0.1488*t_c + (1.554e-4)*t_c**2 - 9.153e-8*t_c**3 + 2.093e-11*t_c**4

# 第二段：x >= 1873
mask = tempspace >= 1873
t_diff = tempspace[mask] - 1873
kappa_f[mask] = 42 - t_diff/70 + (t_diff**2)/500000

二、扩展三段函数的错误解决 #

错误原因 #

1. 数组链式比较1873 < x < 2000不合法：numpy数组无法直接链式比较，需用逻辑与&连接，且必须加括号保证运算优先级。
2. 常数1直接放入funclist：np.piecewise会将数组传递给每个函数元素，直接传入标量会导致类型不匹配。

修正后的代码 #

import numpy as np

def kappa_function(x):
    # 修正条件：用括号包裹逻辑与表达式
    condlist = [
        x < 1873,
        (x > 1873) & (x < 2000),
        x >= 2000  # 用>=避免漏掉x=2000的边界情况
    ]
    funclist = [
        lambda x: 120.5 - 0.1488*(x - 273.15) + (1.554e-4)*(x-273.15)**2 - 9.153e-8*(x - 273.15)**3 + 2.093e-11*(x - 273.15)**4,
        lambda x: 42 - (x-1873)/70 + ((x-1873)**2)/500000,
        lambda x: 1  # 用lambda包装常数，适配数组输入
    ]
    return np.piecewise(x, condlist, funclist)

tempspace = np.linspace(200, 10000, 10000)
kappa_f = kappa_function(tempspace)

补充说明 #

• 若想直接使用标量，也可将lambda x:1替换为np.full_like(x, 1)，效果一致。
• 条件列表需保证覆盖所有可能的输入值，避免出现无匹配条件的元素。

内容的提问来源于stack exchange，提问作者tjsmert44