NumPy vectorize()或dot()出现错误
在下面的代码中,y1和y2应该相等,但它们不是。矢量化()或点()中是否存在错误NumPy vectorize()或dot()出现错误,numpy,types,vectorization,Numpy,Types,Vectorization,在下面的代码中,y1和y2应该相等,但它们不是。矢量化()或点()中是否存在错误 y1和y2的图形:为了应用正确的强制转换规则,numpy偶尔使用您的函数和sentinel值(numpy.int64)来检查它输出的数据类型,如果它输出整数0,因为这是max返回的结果,那么它假设计算结果都应该是整数,并舍入其他结果,但是如果您通过在max中使用0.0将函数更改为始终返回浮点: def fun(x, pivot, truth): if truth: return max(0.0, x - p
y1和y2的图形:为了应用正确的强制转换规则,numpy偶尔使用您的函数和sentinel值(numpy.int64)来检查它输出的数据类型,如果它输出整数
0
,因为这是max
返回的结果,那么它假设计算结果都应该是整数,并舍入其他结果,但是如果您通过在max中使用0.0
将函数更改为始终返回浮点:
def fun(x, pivot, truth):
if truth: return max(0.0, x - pivot)
else: return max(0.0, pivot - x)
然后numpy应用的检查将始终导致浮点结果,并且不会应用舍入。我不确定这是否适用于您的情况,但是
矢量化有一些技巧
如果未指定返回值dtype
,它将通过测试计算确定返回值-第一个案例。如果函数返回标量整数,如0,则vectorize
返回整数数组。因此,如果希望浮动,请确保指定返回dtype
另外-vectorize
不是一种速度工具。这只是一种将广播应用于输入的便捷方式。它并不比显式循环输入快多少
np.vectorize(fun, otypes=[float])
删除步骤
===========
试试这个:
vfun = np.vectorize(fun, otypes=[float])
X = vfun(interval[:,None], pivots, truths)
print(X.shape) # (300,3)
y2 = np.dot(X, coeffs)
print(y2.shape) # (300,)
它更充分地利用了矢量化的
广播
我怀疑你的fun
可以编写成对整个x
起作用,而不需要矢量化所做的迭代
将fun
更改为使用np.maximum
,允许我提供一个数组x
:
def fun(x, pivot, truth):
if truth: return np.maximum(0, x - pivot)
else: return np.maximum(0, pivot - x)
然后我可以计算X
,只需在枢轴
和真理
的3种情况下循环,一次计算所有间隔
值:
X = np.stack([fun(interval, p, t) for p, t in zip(pivots, truths)], axis=-1)
y2 = np.dot(X, coeffs)
应用3个“案例”的另一种方法
Xlist = [fun(interval, p, t)*c for p, t, c in zip(pivots, truths, coeffs)]
y2 = np.sum(Xlist, axis=0)
因为np.dot(…,coefs)
只是一个加权和。我不确定它是否更好
Xlist = [fun(interval, p, t)*c for p, t, c in zip(pivots, truths, coeffs)]
y2 = np.sum(Xlist, axis=0)