Python中许多对的相同操作

Question

在 Python 中，我想评估一个数组的函数，但是，一个对数组（或更一般的数组）。

我知道我可以对一组标量执行此操作：

def f_test(scalar, pair):      
    return scalar + pair[0] + pair[1]

result = f_test(numpy.linspace(0, 9, 10), [3, 4])

并得到想要的结果：

[  7.   8.   9.  10.  11.  12.  13.  14.  15.  16.]

所以这对是固定的，标量是从数组中获取的。

问题是：可以换一种方式吗？在标量保持固定的情况下... 可以从向量中提取对以再次获得与结果长度相同的向量吗？

那是为了（例如，不一定是 numpy.array）

scalar = 0
pair = numpy.array([ [1,2], [3,7], [5,8] ])

获得

[ 3, 10, 13 ]

而不是

[4, 9]

注意：我已经大大简化了我需要对数字执行的操作，以保持示例简单。

如果无法完成或更笼统：在大量数组上执行相同操作的最佳做​​法是什么（在 Python 中！）？

注意：我正在搜索这个主题，甚至发现了一些类似的问题。但是，我不确定它们是否真的相同，更重要的是没有找到答案。由于在我看来这是一个普遍可取的操作，我提出了一个单独的问题。

Answer 1

一个解决方案是transposepair:

f_test(scalar, pair.T)
#array([ 3, 10, 13])

或者您可以使用列表推导：

[f_test(scalar=scalar, pair=p) for p in pair]
#[3, 10, 13]

---

计时结果

看起来第一种方法要快得多。对于长度为 100,000 的数组，我的计算机上的速度提升约为 270 倍！

N = 100000
scalar = 0
pair = np.array([[np.random.randint(0,10), np.random.randint(0,10)] for i in range(N)])

# Using transpose
%%timeit
f_test(scalar, pair.T)
#1000 loops, best of 3: 229 µs per loop

# List comprehension
%%timeit
[f_test(scalar=scalar, pair=p) for p in pair]
#10 loops, best of 3: 62 ms per loop