这段代码有什么问题？
import numpy as np
from scipy import stats
d = np.arange(10.0)
cutoffs = [stats.scoreatpercentile(d, pct) for pct in range(0, 100, 20)]
f = lambda x: np.sum(x > cutoffs)
fv = np.vectorize(f)
# why don't these two lines output the same values?
[f(x) for x in d] # => [0, 1, 2, 2, 3, 3, 4, 4, 5, 5]
fv(d) # => array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
有什么想法吗？
请您参考如下方法:
cutoffs 是一个列表。您从 d 中提取的数字全部转换为 float 并使用 numpy.vectorize 应用。 (这实际上很奇怪——看起来它首先尝试像你想要的那样工作的 numpy float ，然后它尝试正常的 Python float 。)通过 Python 中一个相当奇怪、愚蠢的行为， float 总是小于列表，所以而不是得到像
>>> # Here is a vectorized array operation, like you get from numpy. It won't
>>> # happen if you just use a float and a list.
>>> 2.0 > [0.0, 1.8, 3.6, 5.4, 7.2]
[True, True, False, False, False] # not real
你得到
>>> # This is an actual copy-paste from a Python interpreter
>>> 2.0 > [0.0, 1.8, 3.6, 5.4, 7.2]
False
要解决此问题，您可以将 cutoffs 设为 numpy 数组而不是 list。 (你也可以将比较完全转移到 numpy 操作中，而不是用 numpy.vectorize 伪造它，但我不知道。)
