Python Numpy矢量化函数

我有这个函数

fs（I，j，dif

）。通过执行以下操作很容易将此函数矢量化

vfunc=np.vectorize（fs）

问题是，我想计算这个函数的输出

i=0, j=1,2,3,4,5, ...ysize-1

i=1, J=1,2,3,4,5, ...ysize-1

....
i=xsize-1,  j=1,2,3,4,5 ... ysize-1

对于

i

的一个值，vfunc（0，np.arange（ysize），0）（dif=0）没有问题

但我无法找到如何对
I
的所有值执行此操作

我唯一能做到的就是

vfunc([[0],[1],[2],...[xsize-1]], np.arange(ysize), 0)

这对于大型xsize是不可行的。有办法吗？
我理解你的问题如下。您想知道如何用xsize来表示列表
[[0]、[1]、[2]、…[xsize-1]]
？列表理解为你做的工作。
[0]、[1]、[2]、…[xsize-1]=[i]表示范围内的i（xsize）]
然后可以按如下方式调用矢量化函数（例如函数
fs
）

最后一个
i
是
np.arange（xsize）[：，None]
，一个（xsjze，1）形状数组。很酷，然后一个重塑（xsize*ysize）就是我想要的。我强烈建议你看看。
import numpy as np

xsize=10
ysize=15

def fs(i,j,dif):
    return i+j

np.vectorize(fs)([[i] for i in range(xsize)],np.arange(ysize),0)