Question

我有这样的功能：

def foo(v, w):
    return sum(np.exp(v/w))

其中v开头是一个numpy数组而w是一个数字。现在我想绘制这个函数的值来获得更多的w值，所以我需要一个适用于不同大小的向量的函数。我现在的解决方案是显而易见的

r = []
for e in w:
    r.append(foo(v, e))

但我想知道是否有更好的方法来做到这一点。另外，我想保持低内存，所以我需要避免创建一个大矩阵，然后将函数应用于每个值并对列进行求和（v的长度大于5e + 4，w的长度为1e 3）。

由于

Answer 1

如果您无法确定v的长度的上限并确保不超出内存要求，我认为您必须继续使用您的解决方案。< / p>

如果您可以确定v的长度的上限并使用Mx1000阵列满足您的内存要求，则可以执行此操作。

import numpy as np
v = np.array([1,2,3,4,5])
w = np.array([10.,5.])
c = v / w[:, np.newaxis]
d = np.exp(c)
e = d.sum(axis = 1)

>>> 
>>> v
array([1, 2, 3, 4, 5])
>>> w
array([ 10.,   5.])
>>> c
array([[ 0.1,  0.2,  0.3,  0.4,  0.5],
       [ 0.2,  0.4,  0.6,  0.8,  1. ]])
>>> d
array([[ 1.10517092,  1.22140276,  1.34985881,  1.4918247 ,  1.64872127],
       [ 1.22140276,  1.4918247 ,  1.8221188 ,  2.22554093,  2.71828183]])
>>> e
array([ 6.81697845,  9.47916901])
>>>

嵌套的numpy操作

1 个答案: