А человеку нужен дом особенно зимой
Пусть сто метелей за окном а на душе покой
Не важен в доме том размер цена метраж фасон
Лишь бы внутри очаг горел и был спокойным сон

А человеку нужен дом
Как кораблю причал
Чтобы кот мурлыкал в доме том
И верный пёс встречал

Горячий чай уют совет
И пара добрых слов
Чтобы понял человек
наш мир не так уж плох

Чтоб душу грел тот свет в окне любви надёжный знак
Среди миров среди планет немеркнущий маяк
Где счастье прячется в простом и дел невпроворот
А человеку нужен дом в котором кто-то ждёт

import numpy as np
matrix = np.array([[1, 2, 3], 
                   [4, 5, 6], 
                   [7, 8, 9]])

result = np.where(matrix % 2 == 0, 'четное', 'нечетное')
print(result)

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
result = np.where((arr > 3) & (arr < 7), arr * 2, arr)
print(result)

import numpy as np

temperatures = np.array([23, 25, 28, 32, 35, 29])
status = np.where(temperatures > 30, 'жарко', 'комфортно')
print(status)

numpy.where() особенно полезен для работы с большими массивами данных, где важна высокая производительность и требуется выполнение простых условных операций.

Для сложной логики обработки данных или пошагового выполнения операций циклы остаются более подходящим выбором, особенно при работе с небольшими объемами данных.

В свою очередь, List Comprehension хорошо подходит для компактного и читаемого кода при работе с небольшими и средними наборами данных, если операции не слишком сложны.