当函数包含条件时，使用Numpy将函数应用于数组
当函数包含条件时，我在将函数应用于数组时遇到了困难。我有一个低效的变通办法，正在寻找一种有效(快速)的方法。举个简单的例子：
pts = np.linspace(0,1,11)
def fun(x, y):
if x > y:
return 0
else:
return 1现在，如果我运行：
result = fun(pts, pts)然后我得到了错误
ValueError:包含多个元素的数组的真值不明确。使用a.any()或a.all()
在if x > y生产线上长大。我的低效变通方法，给出正确的结果，但速度太慢：
result = np.full([len(pts)]*2, np.nan)
for i in range(len(pts)):
for j in range(len(pts)):
result[i,j] = fun(pts[i], pts[j])以更好(更重要的是，更快)的方式获得它的最好方法是什么？
当函数包含条件时，我在将函数应用于数组时遇到了困难。我有一个低效的变通办法，正在寻找一种有效(快速)的方法。举个简单的例子：
pts = np.linspace(0,1,11)
def fun(x, y):
if x > y:
return 0
else:
return 1现在，如果我运行：
result = fun(pts, pts)然后我得到了错误
ValueError:包含多个元素的数组的真值不明确。使用a.any()或a.all()
在if x > y生产线上长大。我的低效变通方法，给出正确的结果，但速度太慢：
result = np.full([len(pts)]*2, np.nan)
for i in range(len(pts)):
for j in range(len(pts)):
result[i,j] = fun(pts[i], pts[j])以更好(更重要的是，更快)的方式获得它的最好方法是什么？
编辑：使用
def fun(x, y):
if x > y:
return 0
else:
return 1
x = np.array(range(10))
y = np.array(range(10))
xv,yv = np.meshgrid(x,y)
result = fun(xv, yv) 仍然会引发相同的ValueError。
回答 3
Stack Overflow用户
发布于 2018-12-03 21:25:34
这个错误是非常明显的-假设您有
x = np.array([1,2])
y = np.array([2,1])这样的话
(x>y) == np.array([0,1])if np.array([0,1])语句的结果应该是什么？这是对还是错？numpy告诉你这是模棱两可的。使用
(x>y).all()或
(x>y).any()是明确的，因此numpy为您提供了解决方案-无论是任何单元格对满足条件，还是所有单元格对都满足条件-两者都是明确的真值。你必须自己定义，你所说的向量x大于向量y是什么意思。
在所有x和y对上运行的numpy解决方案，使得x[i]>y[j]使用网格网格来生成所有对：
>>> import numpy as np
>>> x=np.array(range(10))
>>> y=np.array(range(10))
>>> xv,yv=np.meshgrid(x,y)
>>> xv[xv>yv]
array([1, 2, 3, 4, 5, 6, 7, 8, 9, 2, 3, 4, 5, 6, 7, 8, 9, 3, 4, 5, 6, 7, 8,
9, 4, 5, 6, 7, 8, 9, 5, 6, 7, 8, 9, 6, 7, 8, 9, 7, 8, 9, 8, 9, 9])
>>> yv[xv>yv]
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2,
2, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5, 5, 5, 5, 6, 6, 6, 7, 7, 8])将xv和yv发送到fun，或者在函数中创建网格，具体取决于哪个更有意义。这将生成所有成对的xi,yj，使得xi>yj。如果您想要实际的索引，只需返回xv>yv，其中每个单元格ij对应x[i]和y[j]。在您的案例中：
def fun(x, y):
xv,yv=np.meshgrid(x,y)
return xv>yv将返回一个矩阵，如果为x[i]>y[j]，则fun(x,y)[i][j]为True，否则为False。另一个选择
return np.where(xv>yv)将返回由索引对的两个数组组成的元组，以便
for i,j in fun(x,y):也将保证x[i]>y[j]。
Stack Overflow用户
发布于 2018-12-04 02:02:13
In [253]: x = np.random.randint(0,10,5)
In [254]: y = np.random.randint(0,10,5)
In [255]: x
Out[255]: array([3, 2, 2, 2, 5])
In [256]: y
Out[256]: array([2, 6, 7, 6, 5])
In [257]: x>y
Out[257]: array([ True, False, False, False, False])
In [258]: np.where(x>y,0,1)
Out[258]: array([0, 1, 1, 1, 1])要对这两个一维数组进行笛卡尔比较，请重塑一个数组，以便它可以使用broadcasting
In [259]: x[:,None]>y
Out[259]:
array([[ True, False, False, False, False],
[False, False, False, False, False],
[False, False, False, False, False],
[False, False, False, False, False],
[ True, False, False, False, False]])
In [260]: np.where(x[:,None]>y,0,1)
Out[260]:
array([[0, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 1, 1, 1, 1]])使用if的函数只适用于标量输入。如果给定了数组，a>b将生成一个不能在if语句中使用的布尔数组。您的迭代之所以有效，是因为它传递标量值。对于一些复杂的函数，这是您所能做的最好的事情(np.vectorize可以使迭代更简单，但不会更快)。
我的答案是查看数组比较，并从中得出答案。在本例中，3个参数where很好地将布尔数组映射到所需的I/0。还有其他方法也可以进行这种映射。
您的双循环需要一个额外的编码层，即广播的None。
Stack Overflow用户
发布于 2018-12-04 23:48:54
对于更复杂的示例，或者如果您正在处理的数组有点大，或者如果您可以写入已经预先分配的数组，则可以考虑使用Numba。
示例
import numba as nb
import numpy as np
@nb.njit()
def fun(x, y):
if x > y:
return 0
else:
return 1
@nb.njit(parallel=False)
#@nb.njit(parallel=True)
def loop(x,y):
result=np.empty((x.shape[0],y.shape[0]),dtype=np.int32)
for i in nb.prange(x.shape[0]):
for j in range(y.shape[0]):
result[i,j] = fun(x[i], y[j])
return result
@nb.njit(parallel=False)
def loop_preallocated(x,y,result):
for i in nb.prange(x.shape[0]):
for j in range(y.shape[0]):
result[i,j] = fun(x[i], y[j])
return result计时
x = np.array(range(1000))
y = np.array(range(1000))
#Compilation overhead of the first call is neglected
res=np.where(x[:,None]>y,0,1) -> 2.46ms
loop(single_threaded) -> 1.23ms
loop(parallel) -> 1.0ms
loop(single_threaded)* -> 0.27ms
loop(parallel)* -> 0.058ms*可能受缓存的影响。在你自己的例子上进行测试。
https://stackoverflow.com/questions/53594769
复制相似问题
腾讯云开发者
