如何根据另一个numpy数组的条件遍历numpy矩阵并执行对应运算

错误原因 #

你代码报错的核心原因是for i in X的遍历逻辑：这里的i是X的每一行向量，不是行的整数索引，所以用Y[i]取值时，相当于把数组类型的i当成索引传入，自然触发类型不匹配的IndexError。

方案1：修改循环实现（可读性高，适合小数据量） #

直接遍历行索引，让X和Y的位置一一对应：

# 先初始化一个数组存每个行的计算结果
res = np.zeros(X.shape[0])
for idx in range(X.shape[0]):
    x_row = X[idx]
    y_val = Y[idx]
    if y_val == 1:
        res[idx] = np.sum(x_row * np.log(w) + (1 - x_row) * np.log(1 - w))
    elif y_val == -1:
        res[idx] = np.sum(x_row * np.log(z) + (1 - x_row) * np.log(1 - z))

补充说明：可以直接用*替代np.multiply，numpy数组会自动按元素相乘，写法更简洁。

方案2：向量化实现（效率更高，推荐大数据量使用） #

不用写循环，用numpy的布尔掩码批量处理两类样本：

# 防止log出现无穷大，可加极小的偏移量，不需要可以删掉
eps = 1e-8
# 处理Y=1的样本
mask_pos = Y == 1
pos_res = np.sum(X[mask_pos] * np.log(w + eps) + (1 - X[mask_pos]) * np.log(1 - w + eps), axis=1)
# 处理Y=-1的样本
mask_neg = Y == -1
neg_res = np.sum(X[mask_neg] * np.log(z + eps) + (1 - X[mask_neg]) * np.log(1 - z + eps), axis=1)
# 如果需要按原顺序合并结果可以用如下写法
res = np.zeros(X.shape[0])
res[mask_pos] = pos_res
res[mask_neg] = neg_res

注意事项 #

• 要保证w和z的长度和X的列数一致，才能正常按元素相乘
• 如果计算出来的结果需要后续使用，一定要用变量存储，原代码中没有赋值操作，计算结果会直接丢弃

内容的提问来源于stack exchange，提问作者Conweezy