用于对行进行操作的 Numpy 矢量化函数答案

【问题标题】：Numpy vectorize function to operate on rows用于对行进行操作的 Numpy 矢量化函数
【发布时间】：2017-08-08 04:36:15
【问题描述】：

假设我想按如下方式对函数f 进行矢量化，以便将其逐行应用于矩阵：

f_vec = np.vectorize(
     f,
     signature = '(m,n)->m'
)

f_vec 应该将f 应用于输入矩阵的每一行并返回结果向量。但是，我收到一个错误：

ValueError: not a valid gufunc signature: (m,n)->m

我做错了什么？

【问题讨论】：

请记住，“[t]he vectorize 函数的提供主要是为了方便，而不是为了性能。实现本质上是一个 for 循环。”
np.vectorize 代码是可读的 Python。对于这样的签名，它使用ndindex 迭代维度m，将大小为n 的数组传递给您的函数，期望返回一个值。 np.array([f(row) for row in arr]) 应该一样快或更快（开销更少）。

【解决方案1】：

我使用(m,n)->(m) 作为签名是因为我认为signature 应该是vectorized 函数的签名。但是，它实际上应该是pyfunc 的签名！所以在我的例子中，签名将是(n)->() 用于f，产生(m,n)->(m) 用于f_vec。换句话说，这段代码有效：

f_vec = np.vectorize(f, signature='(n)->()')

这表示f 将向量转换为标量，这意味着f_vec 将矩阵转换为向量。

【讨论】：

只是为了帮助未来的读者——使用你的命名法，我认为你的签名应该是(n)->()，而不是(m)->()。它仍然有效，因为 numpy 只想要那里的任何字母，但为了符合您的解释，正在消除的是维度 n。