Question

在numpy中是否有一种方法可以使用n个不同函数的向量，这些函数都需要一个输入x然后＆＃34; map＆＃34;这个向量到另一个向量，其中函数已被x评估的函数替换？例如：

funcs = np.array[lambda x: 2*x for i in range(2)]
x = np.array([10,20])
y = np.evaluate_all(funcs, x)
print(y) # [20,40]

Answer 1

嗯，有一种（大部分）纯Python方式使用def evaluate_all(funcs, x): return np.array([func(val) for func, val in zip(funcs, x)])：

numpy

使用更多numpy的方法是使用numpy.vectorize包装器，它允许您使用funcs广播规则（这里简化为一次调用函数x和@np.vectorize def evaluate_all(f, x): return f(x) y = evaluate_all(funcs, x)）中的每对项目：

evaluate_all(funcs, 10)

这有一个很好的功能，它也允许你做，例如funcs（所以x有一定长度，但evaluate_all(lambda x: 2*x, [10, 20])只是一个标量）或apply（与numpy.vectorize相同，但可能更慢）

注意，尽管vectorize的文档指出：

提供for功能主要是为了方便，而非提供性能。实现基本上是funcs循环。

在x和zip不具有相同维度的情况下，这两个函数的行为不同。 numpy只是在较短的可迭代结束时停止，而ValueError如果形状不兼容则会引发{{1}}。

Answer 2

使用Pandas系列并申请：

funcs = np.array([lambda x: 2*x for i in range(2)])
x = np.array([10,20])
y = pd.Series(x).apply([x for x in funcs]).values[:,0 ]
print(y) # [20,40]

没有列表理解，如评论中所示：

y = pd.Series(x).apply(list(funcs)).values[:,0 ]
print(y) # [20,40]

如何将函数的向量映射到具有在x处评估的函数的向量

2 个答案: