在函数返回矢量使用numpy的矢量

本文介绍了在函数返回矢量使用numpy的矢量的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

numpy.vectorize 需要一个函数f：A-> B，并把它变成G：一[] - >乙：[]

numpy.vectorize takes a function f:a->b and turns it into g:a[]->b[].

这工作得很好，当 A 和 B 是标量，但我想不出理由，为什么它不会用b工作作为 ndarray 或列表，即F：A-> b []和G：一[] - >乙：[] []

This works fine when a and b are scalars, but I can't think of a reason why it wouldn't work with b as an ndarray or list, i.e. f:a->b[] and g:a[]->b[][]

例如：

import numpy as np def f(x): return x * np.array([1,1,1,1,1], dtype=np.float32) g = np.vectorize(f, otypes=[np.ndarray]) a = np.arange(4) print(g(a))

这产生：

array([[ 0. 0. 0. 0. 0.], [ 1. 1. 1. 1. 1.], [ 2. 2. 2. 2. 2.], [ 3. 3. 3. 3. 3.]], dtype=object)

好了，所以，让正确的价值观，但错误DTYPE。更糟糕的：

Ok, so that gives the right values, but the wrong dtype. And even worse:

g(a).shape

收益率：

(4,)

所以这个数组是pretty无用。我知道我可以把它转换这样做的：

So this array is pretty much useless. I know I can convert it doing:

np.array(map(list, a), dtype=np.float32)

给我我想要的：

array([[ 0., 0., 0., 0., 0.], [ 1., 1., 1., 1., 1.], [ 2., 2., 2., 2., 2.], [ 3., 3., 3., 3., 3.]], dtype=float32)

但既没有效率也没有Python的。可以在任何你们的找到一个更清洁的方式做到这一点？

but that is neither efficient nor pythonic. Can any of you guys find a cleaner way to do this?

在此先感谢！

推荐答案

np.vectorize 仅仅是一个方便的功能。实际上它并不使code跑得更快。如果不方便使用 np.vectorize ，简单地写自己的函数，如你所愿的作品。

np.vectorize is just a convenience function. It doesn't actually make code run any faster. If it isn't convenient to use np.vectorize, simply write your own function that works as you wish.

的目的 np.vectorize 是把不属于numpy的感知功能（如采取花车作为输入，并返回彩车作为输出）成可以操作的功能（和返回）numpy的数组。

The purpose of np.vectorize is to transform functions which are not numpy-aware (e.g. take floats as input and return floats as output) into functions that can operate on (and return) numpy arrays.

您函数˚F已经numpy的感知 - 它用在定义中有numpy的数组，并返回一个numpy的数组。因此， np.vectorize 不是一个好适合您的使用情况。

Your function f is already numpy-aware -- it uses a numpy array in its definition and returns a numpy array. So np.vectorize is not a good fit for your use case.

解决方案，因此刚刚推出自己的功能˚F的作品，你的愿望的方式。

The solution therefore is just to roll your own function f that works the way you desire.