NumPy：将一个以列表作为参数的函数应用到列表列表，并获取列表答案

【问题标题】：NumPy : applying a function that takes a list as a argument to a list of list, and get a listNumPy：将一个以列表作为参数的函数应用到列表列表，并获取列表
【发布时间】：2020-10-08 07:22:16
【问题描述】：

我有一个问题，阅读文档没有帮助。好的，基本上，我有一些函数将 NumPy 列表作为参数，并返回一个数字。（例如，与np.average 相同）。我们称这个函数为f。

现在，我有一个列表列表L。所以，L[0] 是一个列表，L[1] 是一个列表... 而且，我想使用 NumPy 并行性将 f 应用于 L 并得到结果[f(L[0]), f(L[1]),...]。我的问题来了：当我打电话给f(L)时，结果是一个数字，这个数字是f(flattened L)。

我不知道如何解决这个问题，有人可以帮助我吗？

谢谢， Kal8578

【问题讨论】：

f 是 numpy 函数，还是你自己的自定义函数？
这是我自己的自定义函数，它接受一个 numpy 列表作为参数，使用 np.average 计算其平均值，如果该平均值与给定常数之间的距离大于另一个给定常数，则返回 1持续的。代码为：def dist_moy_reel(L): return(np.abs(np.average(L)-x)>=d)
numpy 的速度来自于将已编译的 numpy 函数应用于 numoy 数组。 Python 级别的迭代，无论是在数组还是列表（列表）上都比较慢。

标签： python list numpy numpy-ndarray

【解决方案1】：

将f 转换为递归函数怎么样？比如：

def f(x):
    if isinstance(x, list):
        return [f(y) for y in x]
    # return what you previously wrote here

【讨论】：

我认为这行得通，但问题是它不再使用 NumPy 并行性了。我的意思是，例如，如果我想将cos 应用于给定列表L，则使用for 成本O(len(L))，而np.cos(np.array(L)) 成本O(1)。因此，我想使用该属性来避免使用for/递归/map 的任何东西，因此会花费O(len(L)) 或更多。
np.cos 不是 O(1)，它只是更快，因为迭代是在编译后的代码中完成的。在简单的 c 数组上迭代的自定义 c 代码将同样快。
哦，那我错了。谢谢，这是一个 Uni 项目，我们特别强调的教训是 np.something(np.somearray) 很快