NumPy数组逐元素按if条件分支应用公式的问题排查

函数内的return写在了for循环内部：Python函数执行到return时会立刻终止、直接返回结果，因此遍历def_aco(x, curv_adi)返回数组的第一个元素时，就会触发对应分支的计算逻辑，把整个数组按第一个元素匹配到的公式计算后返回，后续元素的遍历和分支判断完全不会执行。

直接使用numpy原生的np.where做逐元素条件判断即可，无需手写显式循环，执行效率更高，修改后的Rsi函数代码如下：

import numpy as np

# 原有预定义的常量epsilon_aco、Fsd，以及函数def_aco保持不变即可
As = np.array([[20], [20]])

def Rsi(x, curv_adi):
    cond_arr = def_aco(x, curv_adi)
    return np.where(
        np.abs(cond_arr) > epsilon_aco,
        (As / 10000) * (Fsd * 1000),
        (As / 10000) * (Fsd * 1000) * (cond_arr / epsilon_aco)
    )

用你给出的数组示例做同逻辑验证，代码和运行结果如下：

# 示例输入
origin_arr = np.array([2.0, 7.0, 8.0, 1.0])
cond_arr = np.array([1, 4, 5, 1])
# 规则：条件数组对应位置元素小于3则原元素乘2，大于3则原元素乘3
res_arr = np.where(cond_arr < 3, origin_arr * 2, origin_arr * 3)
print(res_arr)

运行输出为[ 4. 21. 24. 2.]，和预期结果完全匹配。

如果坚持使用循环实现（不推荐，numpy数组下循环性能远低于向量化操作），需要先初始化和输入等长的结果数组，逐索引位置计算赋值，等整个循环遍历完成后再统一返回，禁止在循环内部直接return：

# 循环实现版本（仅作逻辑参考，不推荐生产环境使用）
def Rsi_loop(x, curv_adi):
    cond_arr = def_aco(x, curv_adi)
    res = np.zeros_like(As, dtype=np.float64)
    for idx in range(len(cond_arr)):
        val = cond_arr[idx]
        if abs(val) > epsilon_aco:
            res[idx] = (As[idx] / 10000) * (Fsd * 1000)
        else:
            res[idx] = (As[idx] / 10000) * (Fsd * 1000) * (val / epsilon_aco)
    return res

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