使用if/else创建阶跃函数报错：数组真值判断模糊的解决咨询

你遇到的这个问题本质是普通Python函数的if/else逻辑没法直接处理Numpy数组的批量元素——当你把整个x数组传入V(x)时，-1<=x<=1会对数组里的每个元素生成一个布尔值，形成一个布尔数组，但Python的if语句只能判断单个布尔值，没法直接处理一整个布尔数组，所以才会抛出那串真值判断歧义的错误。而单独传单个x时，得到的是单个布尔值，if能正常处理，所以代码能跑通。

我给你几种简便的解决办法，从贴近你原有代码的写法到更高效的Numpy原生操作都有：

方法1：用np.vectorize包装你的函数 #

这是最贴近你原有代码逻辑的方式，np.vectorize可以把原本处理单个元素的函数，转换成能批量处理数组的函数：

import matplotlib.pyplot as plt
import numpy as np

def V(x):
    if -1<=x<=1:
        return 20
    else:
        return 0

# 用vectorize包装函数，让它支持数组输入
V_vec = np.vectorize(V)
x = np.linspace(0, 100)
plt.plot(x, V_vec(x))
plt.show()

方法2：直接用Numpy向量化操作（更高效） #

Numpy的核心优势就是向量化运算，不用借助包装函数，直接通过布尔索引就能生成结果，速度比vectorize快很多：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 100)
# 先创建一个和x形状相同的全0数组
V = np.zeros_like(x)
# 把符合-1<=x<=1条件的元素位置设为20
V[(x >= -1) & (x <= 1)] = 20

plt.plot(x, V)
plt.show()

这里要注意：Numpy里的多条件逻辑判断要用&（逻辑与）而不是Python原生的and，而且每个条件都要加括号，避免运算优先级问题。

方法3：用np.where函数（最简洁） #

np.where相当于向量化版本的三元表达式，一行代码就能搞定：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 100)
# 语法：np.where(条件, 满足条件时的值, 不满足时的值)
V = np.where((x >= -1) & (x <= 1), 20, 0)

plt.plot(x, V)
plt.show()

内容的提问来源于stack exchange，提问作者notAI