Question

如果我有1D numpy.ndarray b和Python function f我想要进行矢量化，那么使用numpy.vectorize函数非常容易：

c = numpy.vectorize(f)(a)。

但如果f返回1D numpy.ndarray而不是标量，我该如何构建2D numpy.ndarray呢？（也就是说，我希望从numpy.ndarray返回的每个1D f成为新2D numpy.ndarray中的一行。）

示例：

def f(x):
    return x * x

a = numpy.array([1,2,3])
c = numpy.vectorize(f)(a)

def f_1d(x):
    return numpy.array([x, x])

a = numpy.ndarray([1,2,3])
d = ???(f_1d)(a)

在上面的示例中，c将成为array([1, 4, 9])。如果???成为d，应该array([[1, 1], [2, 2], [3, 3]])替换什么？

Answer 1

可以这样做：

def f_1d(x):
    return (x,x)
d = numpy.column_stack(numpy.vectorize(f_1d)(a))

将输出：

array([[1, 1],
       [2, 2],
       [3, 3]])

Answer 2

我认为您正在寻找reshape和repeat

def f(x):
    return x * x
a = numpy.array([1,2,3])
b= numpy.vectorize(f)(a)
c = numpy.repeat(b.reshape( (-1,1) ),2, axis=1)
print c

输出：

[[1 1]
 [4 4]
 [9 9]]

您也可以直接设置array.shape元组。可能值得知道，您可以使用vectorize完成相同的工作，{strong>如果您需要编写纯python。 map将成为b= numpy.vectorize(f)(a)

使用这种方法，根本不需要使用b=map(f,a)，因为它似乎只是重复信息，f_1d最好这样做。

此外，这个版本的速度要快一些，但这只是在处理大型数组时才有意义。

如何迭代一维数组并在Numpy中构建二维数组？

2 个答案: