Python 如何使用numpy.vectorize()解决广播问题
我正在编写一个自定义函数,我希望它的行为就像一个numpy函数一样,能够接受数组,对输入列表的每个元素执行相同的操作,并返回一个具有相同形状的列表和所有结果 幸运的是,有一个解决方案: 所以我使用了它:我有一个函数,它以正弦波的形式创建一个模型,它包含两个变量:一个numpy listPython 如何使用numpy.vectorize()解决广播问题,python,numpy,vectorization,array-broadcasting,Python,Numpy,Vectorization,Array Broadcasting,我正在编写一个自定义函数,我希望它的行为就像一个numpy函数一样,能够接受数组,对输入列表的每个元素执行相同的操作,并返回一个具有相同形状的列表和所有结果 幸运的是,有一个解决方案: 所以我使用了它:我有一个函数,它以正弦波的形式创建一个模型,它包含两个变量:一个numpy listX,包含一些正弦函数的输入值,一个numpy listparam,它包含正弦曲线可能具有的四个参数 import numpy as np def sine(X, param): #Unpacking par
X
,包含一些正弦函数的输入值,一个numpy listparam
,它包含正弦曲线可能具有的四个参数
import numpy as np
def sine(X, param):
#Unpacking param
A = param[0]
P = param[1]
Phi = param[2]
B = param[3]
#translating variables
#Phi = t0/P
f = X/P
Y = A*np.sin(2*np.pi*(f + Phi)) + B
return Y
由于只有输入值X
需要广播,而所有参数始终是必需的,因此,根据文档,将函数矢量化的方法如下:
np_sine = np.vectorize(sine, excluded=['param']) #makes sine() behave like a numpy function
…以便param
正确地从矢量化中排除
此方法非常有用,因为我将使此模型适合数据集,这需要偶尔调整参数,同时,使用此方法,我需要的代码只有一行:
CHIsqrt = np.sum(((ydata - np_sine(xdata, param))/yerr)**2)
其中,ydata
、xdata
和yerr
是同样长的数据点列表,其中param
是四个参数的列表
然而,结果是一个广播错误:
File "C:\Users\Anonymous\AppData\Local\Programs\Python\Python36\lib\site-packages\numpy\lib\function_base.py", line 2831, in _vectorize_call outputs = ufunc(*inputs)
ValueError: operands could not be broadcast together with shapes (500,) (4,)
由于listparam
有4个元素长,因此该函数忽略了我的命令,将其从矢量化中排除。这是个问题
我尝试指定最终结果应该是一个ndArray,这并没有改变错误
np_sine = np.vectorize(sine, excluded=['param'], otypes=[np.ndarray])
使用此功能的正确方法是什么?您指定的
排除错误
In [270]: def foo(x, param):
...: a,b,c = param
...: return a*x
...:
In [271]: f = np.vectorize(foo, excluded=[1]) # specify by position
In [272]: f(np.arange(4),[1,3,2])
Out[272]: array([0, 1, 2, 3])
对于关键字arg:
In [277]: def foo(x, param=[0,0,0]):
...: a,b,c = param
...: return a*x
...:
In [278]: f = np.vectorize(foo, excluded=['param'])
In [279]: f(np.arange(4),param=[1,3,2])
Out[279]: array([0, 1, 2, 3])
有趣的是,使用字符串不适用于普通参数。文档中有一个示例说>>def mypolyval(p,x):
,它显然有两个正常参数。然后,它继续排除p
,方法是说>>vpolyval=np.vectorize(mypolyval,excluded=['p'])
。您的解决方案有效,因此文档是错误的。但在示例中,p
作为关键字参数传递,p=[1,2,3]
vpolyval([1,2,3],x=[0,1])
仅在之后有效。排除。添加(0)。Excluded实际上可能是指矢量化函数中的参数,而不是源(尽管在某种意义上它们是相同的)
您命名的excluded
可能与np_sine(扩展数据,param=param)
一起使用。