Python 将函数映射到numpy数组，改变参数

首先，让我向您展示codez：

a = array([...])
for n in range(10000):
    func_curry = functools.partial(func, y=n)
    result = array(map(func_curry, a))
    do_something_else(result)
    ...

我在这里做的是尝试将

func

应用于数组，每次更改

func

的第二个参数的值。这是Slooow（每次迭代都创建一个新函数肯定没有帮助），我也觉得我错过了python的方法。有什么建议吗

能给我一个二维阵列的解决方案是个好主意吗？我不知道，但也许是

对可能问题的答复：

• 是的，这是（使用广义定义）一个优化问题（

  do\u something\u else（）

  隐藏了这一点）
• 不，scipy.optimize不起作用，因为我处理的是布尔值，它似乎永远不会收敛

---

如果

a

的大小很大，那么瓶颈不应该是函数的创建，而是数组的复制。

您是否尝试过

numpy.vectorize

...
    vfunc_curry = vectorize(functools.partial(func, y=n))
    result = vfunc_curry(a)
...

---

你能重写这个函数吗？如果可能，您应该编写函数以获取两个numpy数组

a

和

numpy.arange（n）

。您可能需要重新调整阵列的形状，以使阵列排列起来进行广播。

func的功能是什么？如果我们对它的功能有更多的了解，那么我们可能会帮助您找到一种更快的方法。现在，我认为map必须将numpy数组更改为一个列表，映射它，然后列表被更改回一个数组，我觉得这个数组听起来不快。如果我们能找到一种使用numpy函数对列执行func的方法，它应该会更快。我猜你是对a中矩阵的每一列应用func，然后使用结果更接近正确的解。您是否分析过以确保此部分是问题所在，而不是“做某事”部分？

a

是长度为100的1D numpy数组，那么das

func

做什么呢？如果由于某种原因无法透露

func

的功能，则必须自己搜索瓶颈。探查器将对此提供帮助（）。