如何使用一些固定参数在numpy中对函数进行矢量化？

我写了一个用伯恩斯坦多项式逼近函数的代码（）

在

我有一个函数，它给出了逼近f的多项式，即bernstein（f，n，p）（其中f是我要逼近的函数，n是阶，p是求值点）

def bernstein(f, n, p):return np.sum(
    [f(k / n) * st.binom.pmf(k, n, p) for k in np.arange(0, n + 1)])

现在我想生成这个函数的一个图，其中f和n是固定的，p通过np生成的向量 因此，我以以下方式对函数进行矢量化：

 bernstein3 = lambda x: bernstein(f, 3, x)
 bernstein3 = np.vectorize(bernstein3)
 y3 = bernstein3(x)
 plt.plot(x, y3, 'green', label='$B_3$')

---

它是有效的。但我想一定有更优雅的，或者更具python风格的方法。有什么建议吗？非常感谢因为SciPy统计函数是矢量化的，您的

bernstein

函数可以以一种简单的方式修改，以实现这一目的：

将numpy导入为np
导入scipy.stats
def伯恩斯坦（f、n、p）：
#k值向量
k=np.arange（n+1）
#向p添加广播维度
pd=np.展开尺寸（p，-1）
#计算近似
返回np.sum（f（k/n）*scipy.stats.binom.pmf（k，n，pd），-1）

它的用途很简单，如下所示：

将numpy导入为np
将matplotlib.pyplot作为plt导入
def f（x）：
返回np.abs（1/2-x）
x=np.linspace（0,1100）
y=f（x）
plt.绘图（x，y，'blue'，label='f（x）'
y_近似值=伯恩斯坦（f，10，x）
plt.绘图（x，y约为“橙色”，标签为“f约为（x）”）
plt.show（）

请在问题中发布

bernstein

函数，因为答案取决于它是如何实现的。此外，我认为可以假设

f

首先是一个矢量化函数，否则很难解决这个问题。非常感谢，但我不理解pd=np行。expand\u dims（p，-1）该怎么办？@PabloDeNapoli它在

p

的形状末尾添加了一个额外的维度，因此无论它有什么形状，多项式的计算都会沿着该维度广播（请参见）。然后

np.sum

减少该维度，因此输出具有与输入相同的形状。