Question

我有一个值的数组

i = np.arange(0,7,1)

和一个功能

# Returns a column matrix
def fn(i):
    return np.matrix([[i*2,i*3]]).T


fnv = np.vectorize(fn)

然后写

fnv(i)

给我一个错误

  File "<stdin>", line 1, in <module>
  File "c:\Python33\lib\site-packages\numpy\lib\function_base.py", 
        line 1872, in __call__
    return self._vectorize_call(func=func, args=vargs)
  File "c:\Python33\lib\site-packages\numpy\lib\function_base.py", 
        line 1942, in _vectorize_call
        copy=False, subok=True, dtype=otypes[0])
  ValueError: setting an array element with a sequence.

我正在寻找的结果是一个矩阵，它有两行，列数和输入数组一样多。 numpy中实现这一目标的最佳符号是什么？

例如 i 等于

[1,2,3,4,5,6]

，输出等于

[[2,4,6,8,10,12],
 [3,6,9,12,15,18]]

Answer 1

修改你应该尽量避免使用vectorize，因为它给出了numpy效率的错觉，但在它内部是所有的python循环。

如果你真的需要处理用户提供的int s并返回matrix形状(2, 1)的函数，那么你可能做的事情就不多了。但这似乎是一个非常奇怪的用例。如果您可以使用int并返回int的函数列表替换它，并在需要时使用ufuncs，即np.sin而不是math.sin }，您可以执行以下操作

def vectorize2(funcs) : def fnv(arr) : return np.vstack([f(arr) for f in funcs]) return fnv f2 = vectorize2((lambda x : 2 * x, lambda x : 3 * x)) >>> f2(np.arange(10)) array([[ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18], [ 0, 3, 6, 9, 12, 15, 18, 21, 24, 27]])

仅供您参考，我已经将这个矢量化时间与你提议的那个相对应：

f = vectorize(fn) >>> timeit.timeit('f(np.arange(10))', 'from __main__ import np, f', number=1000) 0.28073329263679625 >>> timeit.timeit('f2(np.arange(10))', 'from __main__ import np, f2', number=1000) 0.023139129945661807 >>> timeit.timeit('f(np.arange(10000))', 'from __main__ import np, f', number=10) 2.3620706288432984 >>> timeit.timeit('f2(np.arange(10000))', 'from __main__ import np, f2', number=10) 0.002757072593169596

因此，即使对于小型阵列，速度也有一个数量级，对于较大的阵列，它几乎可以免费增加到x1000的速度。

原始回答

除非没有办法，否则不要使用vectorize，这很慢。请参阅以下示例

>>> a = np.array(range(7)) >>> a array([0, 1, 2, 3, 4, 5, 6]) >>> np.vstack((a, a+1)) array([[0, 1, 2, 3, 4, 5, 6], [1, 2, 3, 4, 5, 6, 7]]) >>> np.vstack((a, a**2)) array([[ 0, 1, 2, 3, 4, 5, 6], [ 0, 1, 4, 9, 16, 25, 36]])

无论你的功能是什么，如果它可以用numpy的ufunc构建，你可以做np.vstack((a, f(a)))之类的事情并获得你想要的东西

Answer 2

vectorize的简单重新实现为我提供了我想要的东西

def vectorize( fn):
    def do_it (array):
        return np.column_stack((fn(p) for p in array))
    return do_it

如果这不符合要求或有更好的方法，请告诉我。

如何在一维数组上矢量化操作以生成numpy中的二维矩阵

2 个答案: