Question

通常我需要遍历一个数组并对每个条目执行一些操作，其中操作可能取决于索引和条目的值。这是一个简单的例子。

import numpy as np

N=10
M = np.zeros((N,N))

for i in range(N):
    for j in range(N):
        M[i,j] = 1/((i+2*j+1)**2)

是否有更短，更清洁或更pythonic的方式来执行此类任务？

Answer 1

你所展示的是'pythonic'，因为它使用Python列表和迭代方法。 numpy的唯一用途是分配值M{i,j] =。列表不采用那种索引。

要充分利用numpy，请制作索引网格或数组，并立即计算所有值，而不使用显式循环。例如，在您的情况下：

In [333]: N=10
In [334]: I,J = np.ogrid[0:10,0:10]
In [335]: I
Out[335]: 
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])
In [336]: J
Out[336]: array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
In [337]: M = 1/((I + 2*J + 1)**2)
In [338]: M
Out[338]: 
array([[ 1.        ,  0.11111111,  0.04      ,  0.02040816,  0.01234568,
         0.00826446,  0.00591716,  0.00444444,  0.00346021,  0.00277008],
 ...
       [ 0.01      ,  0.00694444,  0.00510204,  0.00390625,  0.00308642,
         0.0025    ,  0.00206612,  0.00173611,  0.00147929,  0.00127551]])

ogrid是可以一起“广播”的构造数组的几种方法之一。 meshgrid是另一个常见功能。

在你的情况下，等式可以很好地适用于这样的2个数组。这在很大程度上取决于您应该学习的广播规则。

如果函数只接受标量输入，我们将不得不使用某种形式的迭代。这是一个经常提出的问题;搜索[numpy] vectorize。

Answer 2

np.fromfunction的目的是：

return

“手工制作”的矢量化方式稍微慢一些，但很容易理解。

Answer 3

我认为这是执行该迭代的最直接和普遍理解的方式。

另一种方法是迭代值并调用给定（i，j）对的函数

import itertools

N = 10
M = np.zeros((N,N))

def do_work(i, j):
       M[i,j] = 1/((i+2*j+1)**2)

[do_work(i, j) for (i, j) in itertools.product(xrange(N), xrange(N))]

这里我只使用itertools.product为可能的（i，j）值创建生成器，你也可以使用for循环。

for (i, j) in itertools.product(xrange(N), xrange(N)):
    M[i,j] = 1/((i+2*j+1)**2)

numpy中通过数组嵌套for循环的更好的替代方案？

3 个答案: