1

Conditionals in NumPy

Unsolved
Data Wrangling

Difficulty: 2 | Problem written by vivek

Educational Resource: https://cs231n.github.io/python-numpy-tutorial/


Implement a function that will replace all positive values in a given array with the "+" sign and all negative values with the "-" sign. 

Do not use explicit iteration (i.e., a for loop or list comprehension) for this problem!

As a final step, convert the NumPy array into a list.

Sample Input:
<class 'list'>
input_array: [0.6372, -1.5926, 2.2043, -0.7585, 0.0752]

Expected Output:
<class 'list'>
['+', '-', '+', '-', '+']

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Dignissimos tenetur sapiente dicta earum deserunt doloribus, accusamus reiciendis ad error rem at, esse voluptatem et veniam sint nam dolore, modi mollitia quae tempora perspiciatis, nihil quo incidunt nulla? Earum quas nisi dicta ab ipsam consequatur perferendis, perferendis voluptate deserunt doloremque asperiores esse animi corrupti voluptates molestias commodi, doloribus officia tempora quo eum repellendus debitis quasi omnis praesentium aliquam odit, accusamus natus asperiores itaque vitae dolorum aspernatur qui, enim dolorum nihil praesentium minima mollitia accusamus veritatis.

Repellat labore et non facere voluptatem dolor, dolor eum possimus, nesciunt aperiam quibusdam iure est dolores facere minima, incidunt provident omnis tempore nihil ullam delectus sint. Quis dolorum quo mollitia incidunt autem provident fugiat iste corporis voluptatibus aliquid. Et nam vitae nulla, iusto unde modi voluptatem distinctio doloribus voluptates aperiam rerum dolore quo repellat, laudantium ab expedita omnis iure, sunt itaque temporibus error eos molestias illum dignissimos, repudiandae nulla doloribus at ex ab.

Non reiciendis aliquid labore facilis officia ipsum possimus debitis eos similique incidunt, atque necessitatibus iure, non veniam illo quisquam autem quasi, cum iste ipsa et illo consectetur placeat? Minus veniam expedita aperiam ullam at maxime necessitatibus beatae excepturi esse, corrupti sunt in numquam id voluptatem eaque optio autem voluptatum cum saepe, quia illum exercitationem voluptate dolorem at perspiciatis commodi, magni provident doloremque veritatis fugit quis ea quos sed, nobis temporibus facilis consequuntur non ipsa numquam beatae voluptas provident nesciunt?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)