我有一个复数向量（FFT 的结果），我想通过另一个向量中的因子仅缩放复数的实部。
cplxarr= np.array([1+2j, 3+1j, 7-2j])
factarr= np.array([.5, .6, .2])
# desired result of cplxarr * factarr :
# np.array([.5+2j 1.8+1j 1.4-2j])
（是的，这是关于人类听觉频率响应在一个非常特定的设置。）
显然，与上述向量的乘法也缩放了虚部。
我该如何设置factarr以及我必须执行哪些操作才能达到预期的结果？如果可能的话，也就是说，无需分离实部和虚部，缩放实部并重新组装为新的复数向量。
这会做到：
>>> factarr*cplxarr.real + (1j)*cplxarr.imag
array([ 0.5+2.j, 1.8+1.j, 1.4-2.j])
不确定这是否是最好的方法。
事实证明，至少对我来说（OS-X 10.5.8，python 2.7.3，numpy 1.6.2）这个版本大约是另一个版本的两倍，它使用np.vectorize：
>>> from timeit import timeit
>>> timeit('factarr*cplxarr.real+(1j)*cplxarr.imag',setup='from __main__ import factarr,cplxarr')
21.008132934570312
>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import factarr,cplxarr; import numpy as np; f=np.vectorize(np.complex)')
46.52931499481201
np.complexpython使用和complex提供之间似乎没有太大区别：
>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import factarr,cplxarr; import numpy as np; f=np.vectorize(complex)')
44.87726283073425
时序表中的当前领导者（由 eryksun 在下面的评论中提出）
>>> timeit.timeit('a = cplxarr.copy(); a.real *= factarr ',setup='from __main__ import factarr,cplxarr')
8.336654901504517
并证明它有效：
>>> a = cplxarr.copy()
>>> a.real *= factarr
>>> a
array([ 0.5+2.j, 1.8+1.j, 1.4-2.j])
如果您想就地执行操作，这显然会更快（因此可以关闭副本）。