Question

我想从ndarray得到给定两个ufunc的值矩阵，例如：

degs = numpy.array(range(5))
pnts = numpy.array([0.0, 0.1, 0.2])
values = scipy.special.eval_chebyt(degs, pnts)

上面的代码不起作用（它给出一个ValueError，因为它试图广播两个数组，但由于它们具有不同的形状而失败了：（5，）和（3，）））；我想获得一个值矩阵，其中行对应于度，而列对应于要评估多项式的点（反之亦然，没关系）。

目前，我的解决方法只是使用for-循环：

values = numpy.zeros((5,3))
for j in range(5):
    values[j] = scipy.special.eval_chebyt(j, pnts)

有没有办法做到这一点？通常，如果您有ufunc个类似array_like的参数，如何让n知道您想要一个n维数组？

我了解numpy.vectorize，但是这似乎比简单的for循环既快又优雅（而且我甚至不确定您是否可以将其应用于现有的{{1} }。

更新那接收三个或更多参数的ufunc呢？尝试使用ufunc方法会得到outer。例如，ValueError: outer product only supported for binary functions。

Answer 1

您所需要的正是ufuncs的outer方法：

ufunc.outer（A，B，** kwargs）
  Apply the ufunc op to all pairs (a, b) with a in A and b in B.

values = scipy.special.eval_chebyt.outer(degs, pnts)
#array([[ 1.    ,  1.    ,  1.    ],
#      [ 0.    ,  0.1   ,  0.2   ],
#      [-1.    , -0.98  , -0.92  ],
#      [-0.    , -0.296 , -0.568 ],
#      [ 1.    ,  0.9208,  0.6928]])

更新

有关更多参数，您必须手动广播。 meshgrid通常会对此有所帮助，将维度中的每个参数都包含在内。例如：

n=3
alpha = numpy.array(range(5))
beta =  numpy.array(range(3))
x = numpy.array(range(2))

data = numpy.meshgrid(n,alpha,beta,x)
values = scipy.special.eval_jacobi(*data)

Answer 2

重塑broadcasting的输入参数。在这种情况下，将degs的形状更改为（5，1）而不是（5，）。以形状（3，）广播的形状（5，1）产生形状（5，3）：

In [185]: import numpy as np

In [186]: import scipy.special

In [187]: degs = np.arange(5).reshape(-1, 1)  # degs has shape (5, 1)

In [188]: pnts = np.array([0.0, 0.1, 0.2])

In [189]: values = scipy.special.eval_chebyt(degs, pnts)

In [190]: values
Out[190]: 
array([[ 1.    ,  1.    ,  1.    ],
       [ 0.    ,  0.1   ,  0.2   ],
       [-1.    , -0.98  , -0.92  ],
       [-0.    , -0.296 , -0.568 ],
       [ 1.    ,  0.9208,  0.6928]])

如何在给定两个array_like操作数的情况下使ufunc输出矩阵（而不是尝试广播它们）？

2 个答案: