Question

首先，让我告诉你codez：

a = array([...])
for n in range(10000):
    func_curry = functools.partial(func, y=n)
    result = array(map(func_curry, a))
    do_something_else(result)
    ...

我在这里做的是尝试将func应用于数组，每次更改func的第二个参数的值时都会更改。这是SLOOOOW（每次迭代创建一个新函数肯定没有帮助），我也觉得我错过了这样做的pythonic方式。有什么建议吗？

能给我2D阵列的解决方案是个好主意吗？我不知道，但也许是。

可能的问题答案：

是的，这是（使用广泛的定义），一个优化问题（do_something_else()隐藏了这个）
不，scipy.optimize没有用，因为我正在处理布尔值，它似乎永远不会收敛。

Answer 1

你试过numpy.vectorize吗？

...
    vfunc_curry = vectorize(functools.partial(func, y=n))
    result = vfunc_curry(a)
...

Answer 2

如果a的大小很大，那么瓶颈不应该是函数的创建，而是数组的重复。

Answer 3

你可以改写这个功能吗？如果可能，您应该编写函数来获取两个numpy数组a和numpy.arange(n)。您可能需要重新整形以使阵列排队进行广播。

将函数映射到numpy数组，改变参数

3 个答案: