python 向量元素判断_python；计算向量的元素

你的代码很少出错。在my vector a should be of dimension 10, but it isn't!

这是因为你不会在列表中只添加10个元素。看看你的逻辑。在for t in range(0,10,1):

for j in range(0, len(c)):

if c[j]>t/10:

a.append(sum(c[j]>t))

对于每个阈值，t，每次迭代一个c中的所有12个项目，并向列表中追加一些内容。总的来说，你有120个项目。你应该做的是(在伪代码中)：

^{pr2}$

numpy.where()提供满足条件的数组中的索引，因此您只需计算每次获得的索引数。我们将得到完整的解决方案是片刻。在

另一个潜在的错误是t/10，在python2中是整数除法，对于所有阈值都将返回0。正确的方法是使用t/10.强制浮点除法。如果您使用的是python3，那么默认情况下会得到浮点除法，所以这可能不是问题。请注意，您做了c[j] > t，其中t介于0和10之间。总的来说，你的c[j] > t逻辑是错误的。你想对所有的元素使用一个计数器，就像其他答案告诉你的那样，或者把它全部分解成一行行的列表理解。在

最后，这里有一个充分利用numpy的解决方案。在import numpy as np

c = np.array([0.3, 0.2, 0.3, 0.6, 0.9, 0.1, 0.2, 0.5, 0.3, 0.5, 0.7, 0.1])

thresh = np.arange(0, 1, 0.1)

counts = np.empty(thresh.shape, dtype=int)

for i, t in enumerate(thresh):

counts[i] = len(np.where(c > t)[0])

print counts

输出：[12 10 8 5 5 3 2 1 1 0]

让numpy处理引擎盖下的循环比Python级别的循环更快。用于演示：import timeit

head = """

import numpy as np

c = np.array([0.3, 0.2, 0.3, 0.6, 0.9, 0.1, 0.2, 0.5, 0.3, 0.5, 0.7, 0.1])

thresh = np.arange(0, 1, 0.1)

"""

numpy_where = """

for t in thresh:

len(np.where(c > t)[0])

"""

python_loop = """

for t in thresh:

len([element for element in c if element > t])

"""

n = 10000

for test in [numpy_where, python_loop]:

print timeit.timeit(test, setup=head, number=n)

在我的电脑上会产生以下计时结果。在0.231292377372

0.321743753994