Question

我有一个名为old_func的旧函数，它将两个位置参数x和y作为输入。使用元组作为输入，函数的输入就是这样写的：

def old_func(position):

    x, y = position 
    return x**2 + y**2

我现在想要一种通过值网格调用函数的快捷方法：

xx = numpy.linspace(0, 1, 100)
yy = numpy.linspace(0, 1, 100)
X, Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
old_fun(array_positions)

意图是函数中x上的每个操作都在X上完成，y相同。我尝试使用numpy.vectorize对函数进行矢量化，但这不起作用。我不想更改接受NumPy数组的函数，因为这需要太长时间。

Answer 1

您自己的代码应该（并且确实）正常工作：

def old_fun(position):

    x, y = position 
    z = x**2 + y**2
    return z

xx = numpy.linspace(0,1,100)
yy = numpy.linspace(0,1,100)
X,Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
Z = old_fun(array_positions)

Z.shape现在是(100, 100)。

通常，numpy数组可以与任何标准运算符一起使用，例如+和**。请注意，虽然您的old_fun将元组作为输入，并且此元组需要包含两个值，但只要此类型支持数学运算符，这两个值的类型可以是任何值。标准Python标量和numpy数组都支持这些，所以代码工作正常。

关于@ JuanManuel回答的说明：尽管它的效果非常好，apply_along_axis特别是并不意味着矢量化，因为人们通常想要使用它，即从numpy中获得良好的表现。 apply_along_axis将导致缓慢的Python循环，而不是像正确矢量化代码那样的快速C循环。您自己的代码使用了正确的矢量化，因此请使用它。

Answer 2

以下代码可以解决问题，为您省去了创建array_positions。

的麻烦

首先，使用ravel将X和Y展平为形状为(10000,)的NumPy数组。

X_flattened = X.ravel()
Y_flattened = Y.ravel()

然后，使用apply_along_axis以这些展平数组的长度迭代地实现自定义函数。

float_array = np.apply_along_axis(old_func, 0, (X_flattened, Y_flattened))

最后，将输出数组重新整形为所需的(100, 100)形状。

np.reshape(float_array, (100, 100))

Vectorize python函数

2 个答案: