Question

这在Fortran，Basic或甚至是Matlab中都是微不足道的，但是我无法在Python + Numpy中使用它。我已经尝试了很多建议和例子，但它们太简单了，无法解决这个问题。伪代码如下：

Given a vector a(i) with 500 values. 
for i=1 to 500
    b(i) = some complicated math
    c(i) = a(i) * b(i)

如何用Python和Numpy编写？

Answer 1

您可以使用Numpy multiply function来获取元素矢量积。尝试这样的事情：

import numpy as np

a = np.arange(500)
b = 10 * np.arange(500) + 3 # an example of the "complex math"
c = np.multiply(a, b)

请注意，数学运算（*和+）会自动应用于b的所有元素。

Answer 2

这取决于“复杂数学”是否可以被矢量化以及它是一行还是几行。如果它不能被矢量化并且需要多行，这是更复杂的解决方案，你可以这样做：

b = np.zeros_like(a)
for i, ai in enumerate(a):
    b[i] = some_complicated_math(ai)
c = a*b

在此示例中，i是a的当前索引，ai是该索引处的值（相当于a[i]）。 enumerate为您提供值及其（1D）索引。 numpy数组中的乘法是自动元素化的。

如果“复杂的数学”不能被矢量化但可以在一行上完成，你可以这样做：

b = [some_complicated_math(ai) for ai in a]
c = a*b

在这种情况下b是一个列表（不是一个numpy数组），但python足够聪明，可以将b转换为幕后的numpy数组，因为它与numpy相乘数组a。如果您以后需要，可以使用b将np.array(b)转换为numpy数组。

最简单的场景是“复杂数学”是否可以被矢量化。然后你可以这样做：

b = some_complicated_math(a)
c = a*b

如果出于某种原因，您需要将b和c置于循环中（我能想到的唯一原因是，如果b以某种方式引用c ），那么你可以这样做：

b = np.zeros_like(a)
c = np.zeros_like(a)
for i, ai in enumerate(a):
    b[i] = some_complicated_math(ai)
    c[i] = a[i]*b[i]

Answer 3

我会尝试这样的事情

import numpy as np

n = 500

# Allocate memory for a, b, c
a = np.zeros((n))
b = np.zeros((n))
c = np.zeros((n))

# Loop over element
for i in range(n):
    b[i] = some complicated math
    c[i] = a[i] * b[i]

Python中两个向量的乘法

3 个答案: