NumPy vectorize() 或 dot() 出现错误答案

【问题标题】：NumPy vectorize() or dot() appears buggyNumPy vectorize() 或 dot() 出现错误
【发布时间】：2016-12-19 21:06:10
【问题描述】：

在下面的代码中，y1 和 y2 应该相等，但它们不是。 vectorize() 或 dot() 会不会有 bug？

import numpy as np
interval = np.arange(0, 30, 0.1)
y1 = [- 1.57 * max(0, x - 10) - 0.72 * max(0, 15 - x)
      - 1.09 * max(0, 20 - x) for x in interval]

def fun(x, pivot, truth):
    if truth: return max(0, x - pivot)
    else:     return max(0, pivot - x)

pivots = [10, 15, 20]
truths = [ 1,  0,  0]
coeffs = [-1.57, -0.72, -1.09]
y2 = [np.dot(np.vectorize(fun)(x, pivots, truths), coeffs) for x in interval]

import matplotlib.pyplot as plt
plt.plot(interval, y1, interval, y2)
plt.show()

y1 和 y2 的图表：

【问题讨论】：

标签： numpy types vectorization

【解决方案1】：

我不确定这是否适用于你的情况，但vectorize 有一些技巧。

如果您没有指定返回 dtype，它会通过测试计算来确定它 - 使用您的第一个案例。如果您的函数返回一个标量整数，如 0，则 vectorize 返回一个整数数组。因此，如果您期望浮点数，请确保指定返回 dtype。

另外 - vectorize 不是速度工具。这只是将广播应用于您的输入的一种便捷方式。它并不比显式循环输入更快。

np.vectorize(fun, otypes=[float])

删除步骤。

============

试试这个：

vfun = np.vectorize(fun, otypes=[float])
X = vfun(interval[:,None], pivots, truths)
print(X.shape)     # (300,3)
y2 = np.dot(X, coeffs)
print(y2.shape)    # (300,)

更充分地利用了vectorize's广播。

我怀疑你的fun 可以写成作用于整个x，而不需要vectorize 所做的迭代。

将fun 更改为使用np.maximum，允许我提供一个数组x：

def fun(x, pivot, truth):
    if truth: return np.maximum(0, x - pivot)
    else:     return np.maximum(0, pivot - x)

然后我可以计算X，只对pivots和truths这3种情况进行循环，一次计算所有interval值：

X = np.stack([fun(interval, p, t) for p, t in zip(pivots, truths)], axis=-1)
y2 = np.dot(X, coeffs)

另一种应用这 3 个“案例”的方法

Xlist = [fun(interval, p, t)*c for p, t, c in zip(pivots, truths, coeffs)]
y2 = np.sum(Xlist, axis=0)

因为np.dot(..., coeffs) 只是一个加权和。我不确定它是否更好。

【讨论】：

【解决方案2】：

为了应用正确的转换规则，numpy 偶尔会使用你的函数和标记值 (numpy.int64) 来检查它输出的数据类型，如果它输出整数 0，因为那是 max 返回的，那么它假设计算的结果应该都是整数，并且对其他结果进行四舍五入，但是如果您将函数更改为始终返回浮点数，在 max 中使用 0.0：

def fun(x, pivot, truth):
    if truth: return max(0.0, x - pivot)
    else:     return max(0.0, pivot - x)

那么 numpy 应用的检查将始终产生浮点结果，并且不会应用舍入。

【讨论】：