Question

所以，我有功能 -

def function(x):
    x , y = vector
    return exp(((-x**2/200))-0.5*(y+0.05*(x**2) - 100*0.05)**2)

让我们说我想在以下几点评估它（第一列是x值，第二列是y值） -

array([[-1.56113514,  4.51759732],
       [-2.80261623,  5.068371  ],
       [ 0.7792729 ,  6.0169462 ],
       [-1.35672858,  3.52517478],
       [-1.92074891,  5.79966161],
       [-2.79340321,  4.73430001],
       [-2.79655868,  5.05361163],
       [-2.13637747,  5.39255837],
       [ 0.17341809,  3.60918261],
       [-1.22712921,  4.95327158]])

即。我想传递函数第一行的值并进行求值，然后第二行并计算等等，然后最终结果将是在这些点评估的值的数组（因此，一个由10个值组成的数组）。

因此，例如，如果函数是，例如，双变量正态分布 -

def function2(x):

function2 = (mvnorm.pdf(x,[0,0],[[1,0],[0,1]]))

return function2

我将上述值传递给了这个函数，我会得到 -

array([  1.17738907e-05,   1.08383957e-04,   1.69855078e-04,
         5.64757613e-06,   1.37432346e-05,   1.44032800e-04,
         1.33426313e-05,   1.97822328e-06,   6.56121709e-08,
         4.67076770e-05])

所以基本上，我正在寻找一种方法来重写函数，以便它可以做到这一点。此外，我想将函数仅作为一个变量的函数（即只是x的函数）。

感谢您的帮助！

Answer 1

您可以使用np.apply_along_axis：

np.apply_along_axis(function, 1, array)

第一个参数是函数，第二个参数是要应用函数的轴。在您的情况下，它是第一个轴。当然，最后一个参数是数组。

然而，应该警告你，apply_along_axis只是一个便利功能，而不是一个神奇的子弹。它具有严格的速度限制，因为它只是隐藏了一个循环。在可能的情况下，您应该始终尝试对计算进行矢量化。以下是我如何做到这一点：

v = array[:, 0] ** 2   # computing just once  
return np.exp((-v / 200) - 0.5 * (array[:, 1] + 0.05 * v - 5) ** 2)

Answer 2

有几种方法可以实现这一目标，您必须更改的唯一方法是x和y。 x,y = vector仅在vector的第一维长度为2时才有效（vector.shape = 2,...）。因此，您只需使用以下任一命令更改矢量：

x,y = vector.T #transpose the array
x,y = vector.swapaxes(0,1) #swap the axis 0 and 1
x,y = np.rollaxis(vector,1) #roll the axis 1 to the front
x,y = vector[:,0], vector[:,1] #slice asignement

选择你最喜欢的那个，可能有其他方式（我几乎可以肯定，但我想这就足够了）。最后一个是迄今为止最快的，其他的是可比的。然而，最后一个的缺点是，在更高的维度上使用它并不容易。

在NumPy数组

2 个答案: