Numpy arange over numpy arrays

时间:2013-05-12 17:18:13

标签: python numpy

我有一个基本上返回generalized harmonic number的函数。

def harmonic(limit, z):
   return numpy.sum(1.0/numpy.arange(1, limit+1)**z)

以下是当前函数定义的两个示例:

>>> harmonic(1, 1)
1.0
>>> harmonic(2, 1)
1.5

正如您可能猜到的,当limit是标量时,这种方法可以正常工作,但是如何使这个函数也适用于1D和2D数组呢?

以下演示了我想要实现的功能的示例输出

>>> limit = np.array([[1, 2], [3, 4]])
>>> harmonic(limit, 1)
array([[1.0, 1.5], [1.833, 2.083]])

2 个答案:

答案 0 :(得分:5)

如果您只对limit而不是z进行矢量化感兴趣,就像您展示的示例一样,那么我认为您可以使用np.vectorize

>>> h = np.vectorize(harmonic)
>>> h(1, 1)
array(1.0)
>>> h(2, 1)
array(1.5)
>>> h([[1,2], [3,4]], 1)
array([[ 1.        ,  1.5       ],
       [ 1.83333333,  2.08333333]])
>>> h([[1,2], [3,4]], 2)
array([[ 1.        ,  1.25      ],
       [ 1.36111111,  1.42361111]])

请注意,这将为标量情况返回0维数组。

实际上,在第二个想法中,它也适用于z案例:

>>> h([[2,2], [2,2]], [[1,2],[3,4]])
array([[ 1.5   ,  1.25  ],
       [ 1.125 ,  1.0625]])

答案 1 :(得分:0)

在您的示例中,

arange[1,limit+1]范围内生成均匀间隔的1D ndarray。

现在假设你想要一个均匀间隔阵列的多暗点阵。然后,您可以使用arange生成2D ndarray的每个组件。您将arange的结果转换为带有list()的python列表,以使其成为ndarray构造函数的参数的正确格式。

这一切都取决于你的目的。当你处理数学时。分析,你寻找的可能是一个网格:

>>> np.mgrid[0:5,0:5]
array([[[0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2],
        [3, 3, 3, 3, 3],
        [4, 4, 4, 4, 4]],
       [[0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4]]])

More here.

编辑: 发布代码后: 正如DSM所提到的,np.vectorize是一个很好的方法。 From doc

class numpy.vectorize(pyfunc, otypes='', doc=None, excluded=None, 
   cache=False)
  

广义函数类。

     

定义一个矢量化函数,该函数采用嵌套的对象序列   或numpy数组作为输入并返回一个numpy数组作为输出。该   向量化函数在连续的元组上计算pyfunc   输入数组,如python map函数,除了它使用   广播规则numpy。