矢量化python函数

我有一个名为

old_func

的旧函数，它将两个位置参数

x

和

y

作为输入。函数的输入是这样编写的，使用元组作为输入：

def old_func(position):

    x, y = position 
    return x**2 + y**2

我现在想要一种通过值网格调用函数的快速简便方法：

xx = numpy.linspace(0, 1, 100)
yy = numpy.linspace(0, 1, 100)
X, Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
old_fun(array_positions)

---

其目的是在功能中对

x

的每个操作都在所有

x

上完成，对

y

也一样。我尝试使用矢量化函数，但不起作用。我不希望将函数更改为接受NumPy数组，因为这将花费太长的时间。

下面的代码实现了这一点，并为您省去了创建

数组位置的麻烦


首先，使用将
X
和
Y
展平为
（10000，）
形状的NumPy数组

然后，使用以迭代方式沿这些展平数组的长度实现自定义函数

float_array = np.apply_along_axis(old_func, 0, (X_flattened, Y_flattened))

最后，将输出数组重塑为所需的
（100100）

您自己的代码应该（并且确实）运行良好：

def old_fun(position):

    x, y = position 
    z = x**2 + y**2
    return z

xx = numpy.linspace(0,1,100)
yy = numpy.linspace(0,1,100)
X,Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
Z = old_fun(array_positions)

Z.shape
现在是
（100100）

通常，numpy数组将与任何标准操作符一起工作，如
+
和
**
。请注意，尽管您的
old_fun
将一个元组作为输入，并且该元组需要由两个值组成，但这两个值的类型可以是任何类型，只要该类型支持数学运算符。标准Python标量和numpy数组都支持这些，因此代码运行良好

关于@JuanManuel答案的一点说明：尽管它也可以很好地工作，
apply_沿_轴
特别不适用于矢量化，因为人们通常希望使用它，即从numpy中获得良好的性能<代码>沿_轴应用_

将导致缓慢的Python循环，而不是像正确矢量化的代码那样快速的C循环。您自己的代码使用适当的矢量化，所以请使用它。

谢谢，我认为您是对的，但是由于我的

old_func

函数从技术上讲是一个单元组函数，我需要

np。沿_轴应用_（old_func，0，（X_展平，Y_展平））

对吗？是的，这是正确的！我相应地修改了答案。你是对的。嗯，我应该测试我的示例，以确保它确实给出了我实际函数所产生的原始错误。我将尝试编辑我的问题。

np.reshape(float_array, (100, 100))

def old_fun(position):

    x, y = position 
    z = x**2 + y**2
    return z

xx = numpy.linspace(0,1,100)
yy = numpy.linspace(0,1,100)
X,Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
Z = old_fun(array_positions)