Arrays 二维数组为循环赋值

我需要一些帮助。我有两个数组。比方说

alpha = np.arange(1,5,1) ==> [1,2,3,4] 
beta = np.arange(5,8,1) ==> [5,6,7] 

如何使用alpha和beta值，调用函数，并将函数return分配到一个数组中，该数组的行数与beta中的元素数相同，列数与alpha中的元素数相同

matrix_assign = np.zeros_like((alpha, beta), dtype = 'float')

+---+---+---+---+---+
|   | 1 | 2 | 3 | 4 |
+---+---+---+---+---+
| 5 | 0 | 0 | 0 | 0 |
+---+---+---+---+---+
| 6 | 0 | 0 | 0 | 0 |
+---+---+---+---+---+
| 7 | 0 | 0 | 0 | 0 |
+---+---+---+---+---+

我的函数有点复杂，因此为此，让我们让函数

np.sqrt((alpha-beta)^2)

这是我到目前为止的代码，但它似乎不起作用。基本上，alpha中的i和beta中的j进入函数，返回的值将替换其各自单元格中的零

 for i in range(alpha):
        for j in range(beta):
            matrix_assign[i,j] = fn.sample_function(i,j)

例如，当

alpha[0]

和

beta[1]

进入函数时，输出5被分配给单元格

matrix\u assign[1,0]

多谢各位

编辑：

为什么上面的代码不起作用？我发现了错误

for i in range(alpha):
    TypeError: only integer scalar arrays can be converted to a scalar index

matrix_assign[i,j] = np.sqrt((alpha-beta)^2) 
    ValueError: operands could not be broadcast together with shapes (4,) (3,)
    

使用

范围（len（alpha））

也不起作用。我得到了错误

for i in range(alpha):
    TypeError: only integer scalar arrays can be converted to a scalar index

matrix_assign[i,j] = np.sqrt((alpha-beta)^2) 
    ValueError: operands could not be broadcast together with shapes (4,) (3,)
    

一般来说，这是一个操作。不幸的是，它只适用于。减法是一种

ufunc

，但不是操作的其余部分。您可以这样做：

matrix_assign = np.abs(np.subtract.outer(alpha, beta))

但是，一般来说，您需要确保您的

fn.sample_函数

是由

ufunc

组成的，或者是调整为（作为a或a），您的代码应该是：

import numpy as np

alpha = np.arange(1,5,1) #==> [1,2,3,4] 
beta = np.arange(5,8,1) #==> [5,6,7] 

matrix_assign = np.zeros_like((alpha, beta), dtype = 'float')

for i in range(alpha.size):
    for j in range(beta.size):
        matrix_assign[i,j] = fn.sample_function(alpha[i], beta[j])

fn.sample_函数需要单个值

alpha

和

beta

，而不是索引。 不过这很慢

如果

fn.sample\u函数

已矢量化，则可以执行以下操作：

A, B = np.meshgrid(alpha, beta)
matrix_assign = fn.sample_function(A, B)

您还可以使用

np.vectorize

将任何要伪向量化的函数混搭在一起

A, B = np.meshgrid(alpha, beta)
matrix_assign = np.vectorize(fn.sample_function)(A, B)

---

但这只是一个方便的函数，与循环相比，它没有任何时间优势。

Hello@Daniel F，谢谢你的回答。嗯，有没有办法让我的工作使用矩阵分配[i，j]=。。。。这就是我被教导给数组中的单元格赋值的方式。我到底做错了什么？谢谢。你可以把它矢量化。它不会比你的

for

循环快多少。但是除非

fn.sample\u函数的内部已经矢量化，否则没有一个简单的方法，不。我想你不想共享这个函数。嗯，我明白了。这个函数相当长。这段代码是更大代码的一小部分，它通过从不同文件调用函数来工作，因此有太多的内容需要共享。我只是想更好地理解为什么上面的代码不起作用。我知道我在正确的轨道上，但我觉得我遗漏了一些东西。
range
是一个python函数，它需要一个整数，而不是
numpy
数组。至于第二个错误，你需要
matrix\u assign[I，j]=np.sqrt（（alpha[I]-beta[j]）^2）
检查我更新答案的编辑。我明白了。谢谢你@Daniel F。这并不完全是我所期望的，但它仍然很有用。我发现我的问题是矩阵的大小。结果表明，它是一个1x2阵列，而不是3x4阵列。不知道为什么。