映射函数到numpy数组，改变参数答案

【问题标题】：Mapping function to numpy array, varying a parameter映射函数到numpy数组，改变参数
【发布时间】：2011-04-28 00:21:11
【问题描述】：

首先，让我给你看一下codez：

a = array([...])
for n in range(10000):
    func_curry = functools.partial(func, y=n)
    result = array(map(func_curry, a))
    do_something_else(result)
    ...

我在这里所做的是尝试将func 应用于数组，每次更改func 的第二个参数的值。这太慢了（每次迭代都创建一个新函数肯定无济于事），我也觉得我错过了 Python 的做法。有什么建议吗？

给我一个二维数组的解决方案是个好主意吗？我不知道，但也许是。

可能的问题的答案：

是的，这是（使用广义定义）一个优化问题（do_something_else() 隐藏了这个）
不，scipy.optimize 不起作用，因为我正在处理布尔值，它似乎永远不会收敛。

【问题讨论】：

func 是做什么的？如果我们对它的作用有更多了解，那么我们也许可以帮助您找到更快的方法。现在，我认为 map 必须将 numpy 数组更改为列表，对其进行映射，然后将列表更改回对我来说听起来并不快的数组。如果我们能找到一种使用 numpy 函数对列执行 func 的方法，它应该会更快。我猜您正在对 a 中矩阵的每一列应用 func ，然后使用结果更接近正确的解决方案。您是否进行了分析以确保这部分是问题而不是 do_something_else 部分？

标签： python arrays map numpy currying

【解决方案1】：

你能重写函数吗？如果可能，您应该编写函数来获取两个 numpy 数组 a 和 numpy.arange(n)。您可能需要重新整形以使数组排队以进行广播。

【讨论】：

【解决方案2】：

你试过numpy.vectorize吗？

...
    vfunc_curry = vectorize(functools.partial(func, y=n))
    result = vfunc_curry(a)
...

【讨论】：

【解决方案3】：

如果a 的大小很大，那么瓶颈不应该是函数的创建，而是数组的复制。

【讨论】：

a 是一个长度为 100 的一维 numpy 数组
那么func 做什么？如果由于某种原因你不能透露func 做了什么，你必须自己寻找瓶颈。 Profiler 将对此有所帮助 (docs.python.org/library/profile.html)。