Значение истинности массива с более чем одним элементом неоднозначно. Используйте a.any() или a.all()

Используйте numpy.где. При необходимости используйте экспоненциальную запись для чисел с плавающей запятой.

import numpy as np

def f(x, d, h, L):
    return np.where(x < d, h*(x/d), (L - x)/(L - d))

x = np.linspace(0,10,1000)
h = 5e-3
d = 16e-2
L = 64.52e-2

func = f(x, d, h, L)

Вы сосредотачиваетесь на соединении предложений, но это сами предложения. Вы, вероятно, хотите здесь что-то вроде:

if numpy.all(0 <= x) and numpy.all(x < d):
    ...

См. документы для numpy.all.

Я смог решить свою проблему, определив x как массив и создав цикл для оценки каждого x по отдельности, не уверен, что это самый эффективный способ сделать это, но я работаю только с 1000 итераций, так что это работает хорошо, вот что Я сделал:

def f(a,d,h,L):
ans2=[]
for i in range(1000):
    if (0.<=a[i]) & (a[i]<d):
        ans=x[i]*(h/d)
        ans2.append(ans)
    elif ((d<=a[i]) & (a[i]<=L)):
        ans=h*((L-a[i])/(L-d))
        ans2.append(ans)
return ans2
L=64.52*10**(-2)
x=np.linspace(0,L,1000)
h=5*10**(-3)
d=16*10**(-2)
plot.plot(x,f(x,d,h,L))

Надеюсь, что это также решит чью-то проблему, и если его можно оптимизировать, чтобы он работал быстрее, я хотел бы узнать, как это сделать.

Ошибка связана с тем, что массив содержит больше значения. Например, a < 0, где a = 1 имеет окончательное значение истинности (ложь). Однако что, если a является массивом. например [-1, 0, 1], некоторые элементы меньше нуля, а некоторые больше или равны нулю. Так какой же должна быть истинная ценность? Чтобы иметь возможность создать значение истинности, вы должны указать, хотите ли вы, чтобы все значения были меньше нуля, или чтобы хотя бы одно значение было меньше нуля (любое > значение).

Поскольку математические операторы над массивами numpy сами возвращают массивы, мы можем вызвать all или any для этих массивов, чтобы проверить, все или хотя бы одно значение правдиво. Вы бы переписали свой оператор if как:

if (0 <= x).all() and (x < d).all():
    ...
# alternatively
if 0 <= x.min() and x.max() < d:
    ...

Другие ответили, предполагая, что вы хотите применить тот или иной расчет в зависимости от того, соответствуют ли все/любые значения x соответствующим условиям. Я сделаю другое предположение: вы хотите применить f к каждому элементу x по отдельности.

Применяя элемент за элементом, я получаю:

In [226]: x=np.linspace(0,1,20)

In [227]: [f(z,d,h,L) for z in x]
Out[227]: 
[0.0,
 0.0016447368421052631,
 0.0032894736842105261,
 0.0049342105263157892,
 0.89586497157981526,
 0.78739098364212268,
 0.6789169957044302,
 0.57044300776673762,
 0.46196901982904509,
 0.35349503189135251,
 0.24502104395365998,
 0.13654705601596731,
 0.028073068078274897,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0,
 0.0]

Векторизованный эквивалент:

In [238]: I = (0<=x) & (x<d)
In [239]: J=(d<=x) & (x<=L)

In [240]: out=np.zeros_like(x)
In [241]: out[I]=h*(x[I]/d)
In [242]: out[J]=(L-x[J])/(L-d)

In [243]: out
Out[243]: 
array([ 0.        ,  0.00164474,  0.00328947,  0.00493421,  0.89586497,
        0.78739098,  0.678917  ,  0.57044301,  0.46196902,  0.35349503,
        0.24502104,  0.13654706,  0.02807307,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ])

Я позволю вам упаковать это как функцию.

С указанными параметрами (включая полный x) np.all(I) и np.all(J) оба являются False, что означает, что f вернет 0.0, если будет применено к x в целом.

def f(x, d, h, L):
   I = (0<=x) & (x<d)
   J=(d<=x) & (x<=L)
   out=np.zeros_like(x)
   out[I]=h*(x[I]/d)
   out[J]=(L-x[J])/(L-d)
   return out