Question

我正在使用SHTOOLS软件包中的PLegendre功能。它返回特定参数的勒让德多项式数组。 PLegendre（lmax，x）返回勒让德多项式P_0（x）到P_lmax（x）的数组。它的工作原理如下：

In [1]: from pyshtools import PLegendre
loading shtools documentation

In [2]: import numpy as np

In [3]: PLegendre(3,0.5)
Out[3]: array([ 1.    ,  0.5   , -0.125 , -0.4375])

我想将数组作为参数传递，所以我使用frompyfunc。

In [4]: legendre=np.frompyfunc(PLegendre,2,1)

In [5]: legendre(3,np.linspace(0,1,4))
Out[5]: 
array([array([ 1. ,  0. , -0.5, -0. ]),
   array([ 1.        ,  0.33333333, -0.33333333, -0.40740741]),
   array([ 1.        ,  0.66666667,  0.16666667, -0.25925926]),
   array([ 1.,  1.,  1.,  1.])], dtype=object)

输出是一个数组数组。我知道我可以通过切片来创建一个元素数组。

In [6]: a=legendre(3,np.linspace(0,1,4))

In [7]: array([a[i][:] for i in xrange(4)])
Out[7]: 
array([[ 1.        ,  0.        , -0.5       , -0.        ],
   [ 1.        ,  0.33333333, -0.33333333, -0.40740741],
   [ 1.        ,  0.66666667,  0.16666667, -0.25925926],
   [ 1.        ,  1.        ,  1.        ,  1.        ]])

但..有没有办法直接达到这个目的，而不是必须切片数组？

Answer 1

我认为不能直接完成，因为在np.vectorize的情况下已经指出here几乎完全相同。请注意，使用for代码并不比普通的np.frompyfunc循环快......代码看起来更好。

但是，您可以使用np.vstack而不是列表理解

a = legendre(3,np.linspace(0,1,4))
np.vstack(a)

Answer 2

编译了

np.frompyfunc，所以我必须深入了解源代码，看看它到底在做什么。但它似乎假设func输出是一个（不可思议的）Python对象。

foo1 = np.frompyfunc(np.arange,1,1)
foo2 = np.vectorize(np.arange,otypes='O')

这两个函数产生相同的输出，但foo1更快。

foo1(np.arange(4))

生成不同大小的数组

array([array([], dtype=int32), array([0]), array([0, 1]), array([0, 1, 2])], dtype=object)

其中foo1(np.ones((4,))都是相同的，理论上可以堆叠。

在循环期间或之后，没有尝试测试对象是否是数组（或列表）以及它们是否可以组合成单个更高维数组。

plonser's使用vstack是一个好主意。事实上，frompyfunc加上vstack比更常见的列表理解加上vstack更快。

In [54]: timeit np.vstack([np.arange(i) for i in 10*np.ones((10,))])
10000 loops, best of 3: 169 µs per loop

In [55]: timeit np.vstack(foo1(10*np.ones((10,))))
10000 loops, best of 3: 127 µs per loop

如何使用numpy.frompyfunc返回元素数组而不是数组数组？

2 个答案: