Python 如何有效地将函数按行应用于NumPy矩阵

我想以一种有效的方式将一个函数应用于Numpy矩阵的每一行。我发现使用

np.apply\u沿着矩阵（函数，1，数组）

可以得到想要的结果。然而，这是难以置信的慢，特别是当使用非常大的矩阵

我知道将我的函数映射到矩阵行的更有效、更正确的方法是对其进行向量化，但我不知道如何正确地对该函数进行向量化（请注意，我不是指

np.vectorize（function）

，因为这将应用于每个元素，而不是每行）

如何对该函数以及类似于此函数的函数进行矢量化以优化速度？

您可以使用矢量化将函数f应用于二维数组

a*a.sum（axis=1，keepdims=True）

这里，我们沿着横轴（1）对数组

a

的元素求和，并将其设为列向量（keepdims），将

a

的每一行乘以和向量的相应元素

矢量化非常有效。你可以在网上了解更多

import numpy as np


def f(x):
    return x * x.sum() # Multiply each element of a vector by the sum of the vector


a = np.arange(10).reshape(2, 5)

b = np.apply_along_axis(f, 1, a)
print(b)
# [[  0  10  20  30  40]    Desired output
#  [175 210 245 280 315]]

c = f(a)
print(c)
# [[  0  45  90 135 180]    Incorrect output of trying to apply f to matrix a
#  [225 270 315 360 405]]