Question

我最近开始使用NumPy（到目前为止它真的很有用 - 为什么我不早点开始使用它？），但仍然有一些事情我确定我做错了：

如何将函数应用于向量（ndarray）？我希望它是矢量化的，它比复制更复杂。我尝试过使用np.where，但这似乎是一个丑陋的解决方案（而且我不确定它是否也是矢量化的）。是否有类似于map的函数，以便我的函数可以被矢量化？
假设我有一个二维数组 - 只是一个2d位置向量的数组，并且假设我想找到每个向量的范数，如果它超过某个值，则做任何事情。 np.where似乎是一个很好的解决方案，但除非我转置数组：np.where(sum(a.T**2) > 10, a * 2, 0)（只是一个任意的例子）它不会起作用。这真的看起来很冗长，转置没有多大意义。
最后，如果我有一个三维数组 - 二维位置向量的二维数组（这样在位置[1,2]将是向量（1,2））。如何迭代所有向量（使用矢量化函数，如np.where）？我一直在使用np.reshape，但如果可能的话，我想保持阵列的形状相同。

我将这些问题归为一类，因为它们看似相似，但如果我需要将它们分成不同的主题，请告诉我，我会这样做。

Answer 1

就像上面的评论一样，我不太清楚你在问什么。但是对于第一个问题，请举个例子：

假设您有一个ndy数组的2d向量，并且您想要计算每个向量的范数。你不能做类似的事情：

import numpy as np

x = np.arange(20).reshape(10,2)
norm_func = lambda z: sum(z**2)
norm_func(x.T)

这会得到结果

array([ 1,  5,  9, 13, 17, 21, 25, 29, 33, 37])

表示数组

array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11],
       [12, 13],
       [14, 15],
       [16, 17],
       [18, 19]])

NumPy矢量化函数

1 个答案: