Python：如何重写与数组一起使用的函数？

我有一个简单的函数，如下所示：

def summer_scalar(x):
    a = np.array([1,2,3])
    b = np.array([7,8,9])
    return sum(a - b * x)

它可以工作，但是如果我想将它用于数组，例如Numpy数组，就会出现问题。如果我提交numpy数组，则会出现错误：

summer_scalar(np.array([7,8,9,7]))
ValueError: operands could not be broadcast together with shapes (3,) (4,) 

我猜原因是它将我的所有数组都视为对等数组，但它们不是：来自参数的元素应该一个接一个地处理，并形成一个输出数组，来自a和b的参数应该像以前一样处理。因此，它尝试对不同大小的数组求和，但失败了

我能做什么

我可以重写我的方法：

def summer(x):
    a = np.array([1,2,3])
    b = np.array([7,8,9])
    s = 0
    for ai,bi in zip(a,b):
        s = s + ai - bi* x 
        #print ai,bi,s
    return s

这很有效

---

问题是：有没有更好的方法来修改我的向量运算方法？

是的，有更好的方法

方法1

将所述问题直接转化为矢量化的思维方式会导致我们利用杠杆，就像这样-

(a-b*x[:,None]).sum(1)

a.sum(0) - np.einsum('i,j->i', x,b)

这是一个外部产品，所以我们也可以使用NumPy ufunc来做同样的事情-

(a-np.multiply.outer(x,b)).sum(1)

方法2

仔细看，我们似乎不需要显式的维度扩展+广播，我们可以将a和b中的元素相加，然后做类似的事情-

a.sum(0) - x*b.sum(0)

我们可以用这里来代替x*b.sum0，就像这样-

(a-b*x[:,None]).sum(1)

a.sum(0) - np.einsum('i,j->i', x,b)

同样，a.sum0可以被另一个einsum替代-

所以，有很多选项可以矢量化这样的操作