根据索引将列表中的函数应用于numpy中的矩阵行答案

【问题标题】：Applying a function from a list according to indexing to rows of a matrix in numpy根据索引将列表中的函数应用于numpy中的矩阵行
【发布时间】：2020-08-14 11:35:39
【问题描述】：

我有一个这样的函数列表：

test_functions = [lambda x: np.sin(x),
                  lambda x: np.sin(x * np.cos(x)),
                  lambda x: np.exp(np.sin(10*x)),
                  lambda x: np.sin(np.exp(np.abs(np.cos(x))))]

我还有一个矩阵[batch_size, channels, sample_len]，这样每个样本代表x axis采样点，例如：

tensor = [[[0, 2.5, 7]], 
          [[1, 2.5, 3]]]

所以batch_size = 2、channels = 1 和sample_len = 3。其中示例本身意味着我想知道x=0, x=2.5 and x=7 处的函数值（对于第一个示例）。

我生成了一个随机整数矩阵 (shape=(batch_size, channels))，这样条目就是索引要使用的函数。

例如，如果矩阵是： functions_to_be_used = [[0], [2]]

然后我想实现某种可以产生的索引：

result = [[[np.sin(0),            np.sin(2.5),            np.sin(7)]],
           [np.exp(np.sin(10*1)), np.exp(np.sin(10*2.5)), np.exp(np.sin(10*3))]]]

类似的东西（不起作用）：

result = functions[functions_to_be_used](tensor[:, :, :])

为了性能，我想避免使用 for 循环。

【问题讨论】：

标签： python-3.x numpy indexing data-science

【解决方案1】：

您需要对行进行循环，但可以避免对列进行循环。例如：

result = [[test_functions[functions_to_be_used[0][0]](tensor[0][0])],
          [test_functions[functions_to_be_used[0][1]](tensor[0][1])]]

你应该总是在跑步之前学会走路，所以忽略退化的最外层维度，我们可以这样做：

result = [[test_functions[functions_to_be_used[0][ii]](tensor[0][ii])] for ii in range(2)]

或者：

result = []
for funcidx, data in zip(functions_to_be_used[0], tensor[0]):
    result.append([test_functions[funcidx](data)])

扩展维度留作练习。关键是您将整个数组（行）传递给 test_function，而不是一次传递一个标量值。

如果性能不够，我建议你使用 Numba，通过编译循环代码可能会加快速度。

【讨论】：