如何依据数组第二列的0/1标记计算结果并存入数组c？

我来帮你搞定这个需求！先明确一下你的核心要求：

• 遍历输入数组的每一行
• 如果该行第二列是'0'，就在c里存0
• 如果是'1'，就把固定计算值 185.244324 / 187.300232（约等于0.989024）存入c

先看看你原来代码里的几个小问题：

1. 变量n的初始化和自增逻辑有点混乱，容易导致索引越界，其实完全不需要这个变量来控制遍历
2. 你用了类似DataFrame的切片写法（df2[n:n+1,1:3]），但你的输入是numpy数组，而且判断条件应该针对当前行的第二列单个值，不是切片对比
3. 代码里的b没有定义，应该是你输入数组的变量名吧？

下面给你两种可行的实现方式，按需选择：

方法一：基础Python循环（适合理解逻辑） #

这个写法直白，新手也能快速看懂：

import numpy as np

# 你的输入数组
input_arr = np.array([[187.300232, '0'], [185.244324, '1'], [185.427719, '0'], 
                [186.923798, '0'], [182.26181, '1'], [185.253952, '1'], 
                [181.277283, '0'], [181.518585, '0'], [179.192429, '0'], 
                [180.19624299999998, '1'], [183.89300500000002, '1'], 
                [181.11319, '1'], [183.584122, '0'],])

# 预先算好固定值，避免重复计算
fixed_result = 185.244324 / 187.300232
c = []

# 直接遍历数组的每一行
for row in input_arr:
    # 取当前行的第二列值
    flag = row[1]
    if flag == '1':
        c.append(fixed_result)
    else:
        c.append(0)

print(c)

方法二：numpy向量化操作（高效处理大数据） #

如果你的数组很大，用numpy的向量化操作会比循环快很多：

import numpy as np

input_arr = np.array([[187.300232, '0'], [185.244324, '1'], [185.427719, '0'], 
                [186.923798, '0'], [182.26181, '1'], [185.253952, '1'], 
                [181.277283, '0'], [181.518585, '0'], [179.192429, '0'], 
                [180.19624299999998, '1'], [183.89300500000002, '1'], 
                [181.11319, '1'], [183.584122, '0'],])

fixed_result = 185.244324 / 187.300232
# 生成一个布尔数组，标记哪些行的第二列是'1'
mask = input_arr[:, 1] == '1'
# 先创建全0数组
c = np.zeros(len(input_arr))
# 把标记为True的位置替换成固定计算值
c[mask] = fixed_result

# 如果需要转换成普通列表，加这一步
c_list = c.tolist()
print(c_list)

原代码的问题解析 #

• 你用了df2这个变量，但看起来你的输入是numpy数组，不是pandas DataFrame，所以切片写法不太对
• n的使用完全没必要，循环遍历每一行就可以直接处理，不需要手动控制索引
• 判断条件df2[n:n+1,1:3] == 1错误，因为第二列的值是字符串'1'，不是整数1，而且切片得到的是一个子数组，不是单个值

这样修改后就能完美符合你的需求啦！

内容的提问来源于stack exchange，提问作者jjlin