Python numpy矢量化函数

我想使用矢量化在

numpy.ndarray

上进行一些计算。假设我有以下向量化函数：

import numpy as np
fun = lambda x:x[0]+x[1]
fun = np.vectorize(fun)

以及以下

numpy.ndarray

 a = range(10)
 b = range(10)
 c = np.array([a,b])

当我申请时

 result = fun(c)

我得到以下错误

 IndexError: invalid index to scalar variable.

---

\为什么会出现这种情况？我应该如何修复它？

np.vectorize

将标量值提供给函数。它在输入数组上迭代，根据需要广播，并提供

func

标量，而不是数组或列表。然后，它将值收集到一个新的shape和dtype数组中，并由此推断

例如：

In [108]: fun = lambda x,y: x+y
     ...: fun = np.vectorize(fun)

In [110]: a=np.arange(10); b=np.arange(10)
In [111]: fun(a,b)
Out[111]: array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

从将函数转换为快速编译代码的意义上讲，它不是“矢量化”。这很方便，为你节省了一些建立互动的工作

我相信你的

乐趣

只是一个例子，但正如我写的那样，它已经“矢量化了”

In [112]: (lambda x,y: x+y)(a,b) 
Out[112]: array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

用numpy原语表示计算，而不进行迭代，这才是真正的“矢量化”。这并不总是可能的，但是如果你觉得你必须依靠

np.vectorize

记住这一点

• 它喂标量
• 它将以Python的速度进行迭代
• 如果可能，请使用

  o类型

---

如果您希望获得性能，请不要使用

np.矢量化

。更确切地说，你希望

ufuncs

有什么乐趣呢？矢量化函数将应用于数组的每个元素，那么当

x

是一个数字时，

x[0]+x[1]

假设如何工作？另外，我支持不要使用

np.vectorize

，它本质上是一个普通Python循环的薄包装。