1

假设我有一个接受 2 个标量和 1 个 array_like 参数的 python 函数 f()：

def f(a, b, arr):
    X = a * np.exp(-arr**2 / b)
    return np.sum(a * np.log(X) - arr)

我想要做的是评估 f() 为 a 和 b 的不同值，同时保持相同的 arr：

XX, YY = np.meshgrid(A_axis, B_axis)
arr = np.arange(10)
ZZ = np.empty_like(XX)
for i in range(XX.shape[0]):
    for j in range(YY.shape[1]):
        ZZ[i,j] = f(XX[i,j], YY[i,j], arr)

有没有办法对此进行矢量化？我正在考虑将 XX、YY 和 arr 转换为相同形状的 3D 数组，但 f() 中的 np.sum() 将始终返回一个标量。

4

1 回答 1

2

  1. 通过 xaxis、yaxis、arr 数据构造一个开放网格np.ix_()

  2. np.sum()用调用axis=-1。

这是代码：

import numpy as np

### original code
def f(a, b, arr):
    X = a * np.exp(-arr**2 / b)
    return np.sum(a * np.log(X) - arr)

A_axis = np.linspace(1, 5, 8)
B_axis = np.linspace(1, 2, 9)
XX, YY = np.meshgrid(A_axis, B_axis)
arr = np.arange(10)
ZZ = np.empty_like(XX)
for i in range(XX.shape[0]):
    for j in range(YY.shape[1]):
        ZZ[i,j] = f(XX[i,j], YY[i,j], arr)

### use broadcast        
def f(a, b, arr):
    X = a * np.exp(-arr**2 / b)
    return np.sum(a * np.log(X) - arr, axis=-1)
B, A, C = np.ix_(B_axis, A_axis, arr)
result = f(A, B, C)

print np.allclose(ZZ, result)
于 2013-07-26T05:16:43.263 回答