Question

我有

import numpy as np
a = np.array([np.nan,2,3])
b = np.array([1,np.nan,2])

我想将函数应用于a，b，是否有一种快速的方法可以做到这一点。（就像在Pandas，我们可以申请）

具体来说，我对a和b的平均值很感兴趣，但是当另一个数字丢失时，将平均值作为其中一个数字。

即。我想回来

 np.array([1,2,2.5])

以上例子。但是，我想在更一般的设置中知道答案（我想在一些numpy数组中应用一个操作元素）

Answer 1

您可以使用numpy.nanmean，忽略NaN s：

np.nanmean([a, b], axis=0)
# array([ 1. ,  2. ,  2.5])

Answer 2

如果你想通过NumPy数组迭代一些自定义函数，效率为NumPy universal functions (ufunc)，那么选择

Write your own C code
Use the ufuncify method of SymPy为您生成代码。

以下是后者的示例，其中函数为exp(x) + log(y)（因为NumPy的ufuncs exp和log已经可用，这仅用于演示）：

import numpy as np
import sympy as sym
from sympy.utilities.autowrap import ufuncify

x, y = sym.symbols('x y')
f = ufuncify([x, y], sym.exp(x) + sym.log(y))

现在应用f(np.array([1, 2, 3]), np.array([4, 5, 6]))将返回NumPy数组[4.10457619, 8.99849401, 21.87729639]，其方式不是Python循环，而是调用（默认情况下）编译的Fortran代码。

（但在实践中，你可能会发现NumPy已经有一些ufunc可以做你想要的，如果以正确的方式组合。）

迭代通过在Python中应用函数的两个numpy数组

2 个答案: