NumpyとPyplotによる条件付きプロット

Question

条件付きで定義された関数をプロットしようとしています。 D（x-x0）より小さいabs（x-x0）の場合、U（x）=（2 **デルタ）/（（Dd）**デルタ）*（D/2-（x-x0））**デルタ。 D /そうでなければ2と0です。

しかし、私の問題は、numpy配列としてx、x0を使用したいということです。実際のコードの残りの部分でこれを使用する方法です。

私がセットアップしている次の例を：

import numpy as np 
import matplotlib.pyplot as plt 
AD = 0.2 
D = 0.4 
delta = 8 

def Parabolic(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    if tempx<tempD: 
     return ((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta 
    else: 
     return 0 

figure = plt.figure(figsize=(10,8), dpi=72) 
xmin = -1.0 
xmax = 1.0 
X = np.linspace(xmin,xmax,1000) 
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2)) 

ラインtempx<tempDは、リストの真理値があいまいであるというエラーが発生しますので、明らかにこの例では、動作しません。

numpyのドキュメントを検索し、関数np.less（tempx、tempD）が見つかりました。しかし、tempx < tempDをnp.less(tempx, tempD)に置き換えても、それはもう一度私はリスト全体の真理値を求めているので、まだ動作しません。問題はnumpyではなく、numpyが提供する論理関数の使い方を理解することができないことを理解しています。

これは別の投稿で何らかの回答があった場合は申し訳ありませんが、私はこのフォーラムで検索しましたが、curve()メソッドのほかに何かを見つけることができませんでした。しかし私は実際のコードで使用するためにnumpy.array形式を保持したい。私は答えが非常にシンプルでなければならないと確信しています、私はそれを考えることができません。

Answer 1

numpyの論理的な配列を使用する、これを試してください：あなたは、あなたのコード内でのpythonのテストを置くことができないので、

import numpy as np 
import matplotlib.pyplot as plt 
AD = 0.2 
D = 0.4 
delta = 8 

def Parabolic(x, delta, D, AD): 
    rtn_arr = np.zeros(len(x)) 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    lgc_arr = tempx<tempD 
    x_cut = x[lgc_arr] 
    x0_cut = x0[lgc_arr] 
    rtn_arr[lgc_arr] = ((2**delta)/(D-AD)**delta)*(D/2 - (x_cut-x0_cut))**delta 
    return rtn_arr 

figure = plt.figure(figsize=(10,8), dpi=72) 
xmin = -1.0 
xmax = 1.0 
X = np.linspace(xmin,xmax,1000) 
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2)) 

Answer 2

パラボリックは、ufuncでなければなりません。

簡単な回避策は次のとおりです。

def Parabolic(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    u=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta) 
    u[tempx>=tempD]=0 
    return u 

または不要な計算を避けるために：

def Parabolic2(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    u= zeros_like(x) 
    valid=tempx<tempD 
    u[valid]=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0)[valid])**delta) 
    return u 

秒をさslighty速く：あなたのエラーの

In [141]: %timeit Parabolic(x,8,.4,.2) 
1000 loops, best of 3: 310 µs per loop 

In [142]: %timeit Parabolic2(x,8,.4,.2) 
1000 loops, best of 3: 218 µs per loop