Python 矢量参数Numpy阵列广播

是否可以使用矢量参数在numpy中进行阵列广播

例如，我知道我可以做到这一点

def bernoulli_fraction_to_logodds(fraction):
    if fraction == 1.0:
        return inf
    return log(fraction / (1 - fraction))
bernoulli_fraction_to_logodds = numpy.frompyfunc(bernoulli_fraction_to_logodds, 1, 1)

让它和整个阵列一起工作。如果我有一个函数，它接受一个2元素向量并返回一个2元素向量呢。我能给它传递一个2元素向量数组吗？例如：

def beta_ml_fraction(beta):
    a = beta[0]
    b = beta[1]
    return a / (a + b)
beta_ml_fraction = numpy.frompyfunc(beta_ml_fraction, 1, 1)

不幸的是，这不起作用。是否有一个类似于from_py_func的函数可以工作。当它们是2元向量时，我可以解决这个问题，但是当它们是n元向量时呢

---

因此，输入

（2,3）

应该得到

0.4

，但是输入

[[2,3]，[3,3]]

应该得到

[0.4,0.5]

我认为

frompyfunc

不能做到这一点，尽管我可能是错的

关于

np.矢量化
：

事实上，任何经历过的事情
python代码中的“合并两个”
“标量”会很慢。缓慢的
python中的循环不是因为
python的循环构造很慢，
这是因为执行python代码非常困难
缓慢的所以矢量化是一种欺骗
-它实际上运行不快，但很方便

所以
np.frompyfunc
（和
np.vectorize
）只是语法上的糖分——它们不会让Python函数运行得更快。
意识到这一点后，我对
frompyfunc
的兴趣被标记（接近零）

Python循环没有什么不可读的地方，所以要么显式使用，
或者重写函数以真正利用numpy（通过编写真正的矢量化方程）

在处理二维向量数组时，我喜欢将x和y分量作为第一个索引。为此，我大量使用了转置（）

这种方法的优点是处理二维向量的多维数组变得容易

x = np.arange(18,dtype=np.float).reshape(2,3,3)
print(x)
#array([[[  0.,   1.,   2.],
#        [  3.,   4.,   5.],
#        [  6.,   7.,   8.]],
#
#       [[  9.,  10.,  11.],
#        [ 12.,  13.,  14.],
#        [ 15.,  16.,  17.]]])
print(beta_ml_fraction(x))
#array([[ 0.        ,  0.09090909,  0.15384615],
#       [ 0.2       ,  0.23529412,  0.26315789],
#       [ 0.28571429,  0.30434783,  0.32      ]])

def beta_ml_fraction(beta):
        a = beta[0]
        b = beta[1]
   return a / (a + b)

arr=np.array([(2,3),(3,3)],dtype=np.float) 
print(beta_ml_fraction(arr.transpose()))
# [ 0.4  0.5]

x = np.arange(18,dtype=np.float).reshape(2,3,3)
print(x)
#array([[[  0.,   1.,   2.],
#        [  3.,   4.,   5.],
#        [  6.,   7.,   8.]],
#
#       [[  9.,  10.,  11.],
#        [ 12.,  13.,  14.],
#        [ 15.,  16.,  17.]]])
print(beta_ml_fraction(x))
#array([[ 0.        ,  0.09090909,  0.15384615],
#       [ 0.2       ,  0.23529412,  0.26315789],
#       [ 0.28571429,  0.30434783,  0.32      ]])