条件分段函数

Question

通过提供到目前为止的尝试，然后再提供我的意图和意见，可能会更容易解释这一点。

import numpy as np
from numpy import sqrt, arcsin, arcsinh

# Returns roots of quadratic (or lack of)
def roots(a, b, c):
    b24ac = b*b - 4*a*c
    if a == 0 or b24ac < 0:
        return np.nan, np.nan
    else:
        l = (-b - sqrt(b24ac))/(2*a)
        r = (-b + sqrt(b24ac))/(2*a)
        if l > r:
            l, r = r, l
        return l, r

# Some numeric functions
def pw1(z, a, b, c):
    return -arcsin((2*a*z+b)/sqrt(b*b - 4*a*c))/sqrt(-a)

def pw2(z, a, b, c):
    return arcsinh((2*a*z+b)/sqrt(4*a*c - b*b))/sqrt(a)

# Function incorporating above definitions w/ conditions/domains
def func(z, a, b, c):
    b24ac = b*b - 4*a*c
    l, r = roots(*abc)
    conditions = [(b24ac > 0 and a < 0) and (l < z and z < r),
                  (b24ac < 0 and a > 0)]
    choices = [pw1(z, a, b, c), 
               pw2(z, a, b, c)] 
    return np.select(conditions, choices)

这是我尝试创建作为条件分段函数的python函数。 出于数学上的好奇，这是$ [ax ^ 2 + bx + c] ^ {-1/2} $积分的完整定义的一部分。 必要的细节是我需要一个以域和其他参数为条件的函数。 我研究了numpy的piecewise和select函数。 对于其条件列表， Piecewise仅接受域上的逻辑（不接受参数）。 除非我缺少任何东西，否则这似乎对我不起作用。 Select给了我最大的成功。 我唯一遇到的问题是它没有评估其域的域条件：

--->  conditions = [(b24ac > 0 and a < 0) and (l < z and z < r),
                  (b24ac < 0 and a > 0)]

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

最后，它评估所有选择（与piecewise提供的功能相对的结果），然后从条件列表中选择要返回的一个（注释出and (l < z ...条件）：

c:\program files\python36\lib\site-packages\ipykernel_launcher.py:6: 
RuntimeWarning: invalid value encountered in sqrt

我本周前开始使用一堆elif语句。 这仅适用于浮点数，不适用于数组。 我正在使用numpy，然后在域上使用此函数（或任何其他函数）求值。 然后，我从numpy了解了piecewise和select并开始使用它们。

我真的很想用Python的方式来做到这一点。 一个仅对所需条件/域求值的numpy数组。 因此，表现得像piecewise但具有通用条件，如select 。 任何帮助和建议，我们将不胜感激！ 谢谢。

Answer 1

b24ac标识符肯定是描述性的，但是大多数人可能会认为它是有discriminant 。

用你自己的

您在抱怨自己知道如何计算所需的结果，但是手头的numpy工具似乎不合适。 因此，编写您自己的函数fn并使用.apply(fn)或nditer 。 注意，您可以安排所有需要的参数出现在额外的列中，并使该函数一次处理一行。

我没有听说过关于速度的问题，这是反对这种自定义函数的通常论点。

使用np.piecewise

我同意您的观点， 逐段（）似乎适合您的需求。 似乎缺少的方面是在将其分段传递之前，使用四个参数对函数进行了定制。 满足此需求的理想选择是functools.partial（） 。