Question

我是python的初学者，我编写了这段代码来创建对象的二维numpy数组，以模拟物理晶格。

    import numpy as np  

    class Site:
       def __init__(self, label, status):
          self.l = label
          self.s = status

     vSite = np.vectorize(Site(0,2), otypes=[object])
     init_array = np.arange(25).reshape((5,5))
     lattice = np.empty((5,5), dtype=object)
     lattice[:,:] = vSite(init_array)

但是我的输出错误

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-0c0dfed8eab8> in <module>()
      9 init_array = np.arange(25).reshape((5,5))
     10 lattice = np.empty((5,5), dtype=object)
---> 11 lattice[:,:] = vSite(init_array)

~/.local/lib/python3.5/site-packages/numpy/lib/function_base.py in __call__(self, *args, **kwargs)
   2753             vargs.extend([kwargs[_n] for _n in names])
   2754 
-> 2755         return self._vectorize_call(func=func, args=vargs)
   2756 
   2757     def _get_ufunc_and_otypes(self, func, args):

~/.local/lib/python3.5/site-packages/numpy/lib/function_base.py in _vectorize_call(self, func, args)
   2823             res = func()
   2824         else:
-> 2825             ufunc, otypes = self._get_ufunc_and_otypes(func=func, args=args)
   2826 
   2827             # Convert args to object arrays first

~/.local/lib/python3.5/site-packages/numpy/lib/function_base.py in _get_ufunc_and_otypes(self, func, args)
   2770                 ufunc = self._ufunc
   2771             else:
-> 2772                 ufunc = self._ufunc = frompyfunc(func, len(args), nout)
   2773         else:
   2774             # Get number of outputs and output types by calling the function on

TypeError: function must be callable

有人可以帮助我吗？

Answer 1

np.vectorize()函数必须将函数作为第一个参数，而不是公共变量。然后，可以在numpy数组上调用该函数，以将其应用于该数组的每个元素。

如果要初始化3D numpy数组，则应使用np.empty(dim)函数，如下所示：

a=np.empty((n,m,l), dtype=object)

此数组将具有n * m * l个值。
然后，您可以循环遍历矩阵以填充它：

for i in np.ndindex(a.shape):
    a[i] = Site(1,1)

Answer 2

我发现np.frompyfunc是创建自定义类数组的最佳工具。由于您指定了np.vectorize，所以您也可以使用otypes，但是frompyfunc已经返回了对象，并且更加直接和快捷。

In [667]: class Site: 
     ...:        def __init__(self, label, status): 
     ...:           self.l = label 
     ...:           self.s = status 
     ...:        def __repr__(self):   # to improve display
     ...:            return f'Site({self.l},{self.s})' 
     ...:                                                                            
In [668]: f = np.frompyfunc(Site, 2,1)                                               
In [669]: f(np.zeros((2,3),int), np.ones((2,3),int)*2)                               
Out[669]: 
array([[Site(0,2), Site(0,2), Site(0,2)],
       [Site(0,2), Site(0,2), Site(0,2)]], dtype=object)
In [670]: f(np.arange(3),np.array(['a','b','c']))                                    
Out[670]: array([Site(0,a), Site(1,b), Site(2,c)], dtype=object)

我应该警告您，尽管访问那些Site对象也将需要使用frompyfunc。对象数组无法充分利用numpy的计算速度。使用数字而不是对象时，numpy计算最快。

如何使用向量化为numpy-array中的对象分配值

2 个答案: