Question

我正在尝试使用Python / Numpy向量化函数来减少for循环。

我的函数调用看起来像这样

out_vectors = v_calculation(
                            in_vectors,
                            p
)

向量化函数定义为

v_calculation = np.vectorize(
                     my_calculation,
                     signature='(j,i),(i)->()'
)

in_vectors是形状的数组

(3,6,200,3)

但是前2个维度（3,6）可以是任意值。这些是循环尺寸。

p是形状的数组

(3,)

我的计算是这个

def my_calculation(in_vector, p):
    """
    total magnetic field from Biot-Savart's law
    """
    out_vector = np.zeros((3,))

    l_vector = in_vector[1:, :] - in_vector[:-1, :]
    r_vector = (in_vector[:-1, :] + l_vector / 2) - p

    out_vector = np.sum(np.cross(l_vector, r_vector) / \
                        np.linalg.norm(r_vector) ** 3,
                        axis=0
    )

    return out_vector

在此函数中，in_vector是形状（200，3）的数组，而p是相同形状（3，）的数组。 out_vector形状为（3，）。这是正确的。

out_vectors，矢量化函数的结果应为（6,3）。这应该是my_calculation的结果在input_vector的第二维度（在这种情况下为6）上对input_vector的第一维度（在这种情况下为3）求和。结果的第二维为3（向量的x，y，z分量），与p的维和input_vector的第四维相同。我希望一切都清楚。

我的代码在向量化函数调用中失败

Stacktrace

~/path/to/my/code.py in calculate_vectors(mgr)
    588         out_vectors = v_calculation(
    589                                 in_vectors,
--> 590                                 p
    591         )

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in __call__(self, *args, **kwargs)
   1970             vargs.extend([kwargs[_n] for _n in names])
   1971 
-> 1972         return self._vectorize_call(func=func, args=vargs)
   1973 
   1974     def _get_ufunc_and_otypes(self, func, args):

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in _vectorize_call(self, func, args)
   2036         """Vectorized call to `func` over positional `args`."""
   2037         if self.signature is not None:
-> 2038             res = self._vectorize_call_with_signature(func, args)
   2039         elif not args:
   2040             res = func()

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in _vectorize_call_with_signature(self, func, args)
   2100 
   2101             for output, result in zip(outputs, results):
-> 2102                 output[index] = result
   2103 
   2104         if outputs is None:

ValueError: setting an array element with a sequence.

Answer 1

这对我有用。注意，我更改了返回签名，以匹配两个输入的最终共享尺寸。

In [54]: A = np.arange(12).reshape(4,3); b = np.arange(3)                       
In [55]: my_calculation(A,b)                                                    
Out[55]: array([0., 0., 0.])
In [56]: f = np.vectorize(my_calculation, signature='(j,i),(i)->(i)')           
In [57]: f(A,b)                                                                 
Out[57]: array([0., 0., 0.])
In [58]: f([A,A,A],b)                                                           
Out[58]: 
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

numpy矢量化签名定义-ValueError

1 个答案: