Question

我在numpy.vectorize功能方面遇到了一些问题。

我已经定义了一个适用于单个元素输入的函数，但是矢量化版本返回了不同的结果 - 我做错了什么？

代码：

def c_inf_comp(z):
    if z>0:
        return np.exp(-1./(z*z))
    else:
        return 0


>>> x = np.array([-10., 10.])
>>> x
array([-10.,  10.])
>>> c_inf_comp(x[0])
0
>>> c_inf_comp(x[1])
0.99004983374916811
>>> vfunz = np.vectorize(c_inf_comp)
>>> vfunz(x)
array([0, 0])

Answer 1

因为在向量化函数时没有指定otypes（输出数据类型），NumPy假定您要返回int32值的数组。

当给定x时，向量化函数vfunz首先看到-10.，返回整数0，因此决定返回数组的dtype应该是int32。

要解决此问题，请将otypes指定为np.float值：

vfunz = np.vectorize(c_inf_comp, otypes=[np.float])

然后，您可以获得预期的结果：

>>> vfunz(x)
array([ 0.        ,  0.99004983])

（或者，可以通过在else c_inf_comp条件下返回一个浮点值来解决问题，即return 0.0。这样，np.vectorize(c_inf_comp)生成的函数即使它首先看到负数，也会返回一个浮点值数组。）

numpy.vectorize返回不正确的值

1 个答案: