信号分析项目：如何高效简洁判断三维向量象限并赋值？

方案1：二进制编码+字典映射 #

利用每个维度的正负状态对应二进制位，通过字典建立编码值与note的映射关系，代码简洁且易维护：

# 生成每个维度的符号标识：1表示>0，0表示<0
sgn = [1 if x > 0 else 0 for x in ondas]
# 计算二进制编码值（权重分别为4、2、1，对应三个维度）
code = sgn[0] * 4 + sgn[1] * 2 + sgn[2] * 1
# 建立编码到note的映射
note_mapping = {
    7: 1,
    6: 2,
    4: 3,
    0: 4,
    2: 5,
    1: 6,
    3: 7,
    5: 8
}
# 获取对应的note，默认0（处理任意维度为0的情况）
note = note_mapping.get(code, 0)

方案2：元组键直接映射 #

用向量的符号状态元组作为字典键，可读性更强，无需额外计算编码值：

# 生成符号状态元组
sgn_tuple = (1 if ondas[0]>0 else 0, 1 if ondas[1]>0 else 0, 1 if ondas[2]>0 else 0)
# 直接建立状态到note的映射
note_mapping = {
    (1,1,1):1, (1,1,0):2,
    (1,0,0):3, (0,0,0):4,
    (0,1,0):5, (0,0,1):6,
    (0,1,1):7, (1,0,1):8
}
# 获取结果，默认0
note = note_mapping.get(sgn_tuple, 0)

方案3：批量数据的numpy优化 #

如果需要处理大规模信号数据（批量三维向量），用numpy可大幅提升效率：

import numpy as np

# 假设ondas是shape为(N,3)的numpy数组
sgn = (ondas > 0).astype(np.int8)
# 计算每个向量的编码值
codes = sgn[:,0] * 4 + sgn[:,1] * 2 + sgn[:,2] * 1
# 定义映射数组（索引对应编码值，值对应note）
mapping_arr = np.array([4,6,5,7,3,8,2,1])
# 生成note数组，编码值不在0-7时设为0
note = np.where((codes >=0) & (codes <=7), mapping_arr[codes], 0)

说明 #

• 所有方案均保留原逻辑：任意维度为0时note=0
• 方案1、2适合单向量处理，代码简洁易扩展；方案3针对批量场景，效率远超循环判断
• 若后续扩展到n维向量，只需调整编码权重或映射键的结构即可

内容的提问来源于stack exchange，提问作者Esteban Romero