Python 高效/优雅地将方法应用于大量对象或从中获取属性

在

python

脚本中，让2个

numpy

ndarray填充对象，让我们将它们称为

inA

和

inB

（相同的

shape

）。这些对象都是相同类型的，并且具有方法

calculate（）

和属性

size

我想对每个元素应用该方法，并将结果保存在一个新数组中，我还想从每个元素获取属性，并将结果保存在一个新数组中。

注意：我已经找到了实现所有这些的方法，但我认为它们可以改进。我只是不知道怎么做

获取属性或应用不带参数的方法 如果该方法不接受参数或非数组参数，我找到了一种方法将其应用于每个元素，如下所示：

f = lambda x: x.calculate()
outA = np.vectorize(f)(inA)

获取属性也是如此：

f = lambda x: x.size
outA = np.vectorize(f)(inA)

这是可行的，但它很难看（imho），而且lambda函数中的

x

对于IDE来说是未知的，这使得我不得不“盲目地”编写函数，而无需intellisense（或其Spyder等价物）的帮助

方法的两两应用 如果该方法将另一个对象作为其参数，并且我想将其应用于

inA

中的每个元素，并使用

inB

中相应的元素作为其参数，那么我唯一能想到的就是一个可怕的循环：

out = np.ndarray(inA.shape)
for index, iA in np.ndenumerate(inA):
    out[index] = iA.calculate(inB[index])

我拒绝相信没有更好的方法来实现这一点

---

因此我的问题是：有没有办法改进这两种方法（没有双关语）将一种方法应用于一个数组中的元素或元素对？对于应用一种方法，我发现我可以做到

outA = np.vectorize(className.calculate)(inA)

对于方法的成对应用，我发现我可以

out = np.vectorize(className.calculate)(inA, inB)

因为方法的第一个参数是

self

尤其是对于后者，这更干净

我还没有找到一种没有

lambda

函数的方法来更新属性，我猜是这样的

outA = np.vectorize(lambda x: x.size)(inA)

---

在一行程序中是最简单/最好的方法。

只是不要使用对象数组，使用普通的Python

list

，这将是更好的方法。我使用

np.frompyfunc

以同样的方式创建和访问对象元素<代码>np。矢量化使用它，但开销更大。它返回一个对象数组。对象数据类型数组包含指向对象的指针，很像列表。大多数快速编译numpy方法都不适用。

np.frompyfunc（lambda x，y:x.calculate（y），2,1）（inA，inB）

可能适用于成对编译。如果

inA

和

inB

适当地广播（一个是（n，1）另一个是（m，）形状），您甚至可以得到笛卡尔应用程序。