Python 如何对numpy矩阵中的每个元素执行操作？

假设我有一个函数foo（），它接受一个浮点数并返回一个浮点数。将此函数应用于numpy矩阵或数组中的每个元素的最快/最具python风格的方法是什么

我本质上需要的是一个不使用循环的代码版本：

import numpy as np

big_matrix = np.matrix(np.ones((1000, 1000)))

for i in xrange(np.shape(big_matrix)[0]):

    for j in xrange(np.shape(big_matrix)[1]):

        big_matrix[i, j] = foo(big_matrix[i, j])

我试图在numpy文档中找到一些允许我这样做的东西，但我没有找到任何东西

---

编辑：正如我在评论中提到的，特别是我需要使用的函数是sigmoid函数，

f（z）=1/（1+exp（-z））

如果

foo

实际上是一个接受标量并返回标量的黑盒，那么必须使用某种迭代。人们经常尝试将np.vectorize矢量化，并意识到，如文献所述，它并不能大大加快速度。作为一种广播多个输入的方式，它最有价值。它使用

np.frompyfunc

，速度稍快，但界面不太方便

正确的numpy方法是更改函数，使其与数组一起工作。这对于你评论中的函数应该不难做到

f(z) = 1 / (1 + exp(-z))

---

有一个

np.exp

函数。剩下的是简单的数学

同意矢量化是答案。您需要重新思考函数foo（）的作用，目前它在单个元素上工作。矢量化意味着一次对整个行/列进行操作，从而消除循环。

np.vectorize

在一般情况下肯定是最“pythonic”的。但是，对于某些函数

foo

，如果完全不使用函数并依赖

numpy

向量运算，您可能会做得更好（因为

np.vectorize

实际上并没有做任何事情来提高计算的性能）。我特别希望使用sigmoid函数，即

f（z）=1/（1+exp（-z））

将

exp（-z）

替换为

np.exp（-z）

你的函数将被矢量化。然后它可以接受一个np.array作为输入，并返回正确的答案。这不是一个好的副本。它所建议的是

np.vectorize

哪些循环。注释中有更好的答案。接受它是因为它回答了我的实际问题。我已经改变了我的问题以反映这一点。