根据类似db的数组（近似为(1e6, 300)）和mask = [1, 0, 1]向量，我在第一列中将目标定义为1。
我想创建一个out向量，它由1组成，其中db中的相应行与mask和target==1匹配，其他地方为零。
db = np.array([ # out for mask = [1, 0, 1]
# target, vector #
[1, 1, 0, 1], # 1
[0, 1, 1, 1], # 0 (fit to mask but target == 0)
[0, 0, 1, 0], # 0
[1, 1, 0, 1], # 1
[0, 1, 1, 0], # 0
[1, 0, 0, 0], # 0
])
我定义了一个vline函数，该函数使用np.array_equal(mask, mask & vector)将mask应用于每个阵列行，以检查向量101和111是否适合掩码，然后仅保留target == 1处的索引。
out初始化为array([0, 0, 0, 0, 0, 0])
out = [0, 0, 0, 0, 0, 0]
vline函数定义为：
def vline(idx, mask):
line = db[idx]
target, vector = line[0], line[1:]
if np.array_equal(mask, mask & vector):
if target == 1:
out[idx] = 1
我通过在for循环中逐行应用这个函数得到了正确的结果：
def check_mask(db, out, mask=[1, 0, 1]):
# idx_db to iterate over db lines without enumerate
for idx in np.arange(db.shape[0]):
vline(idx, mask=mask)
return out
assert check_mask(db, out, [1, 0, 1]) == [1, 0, 0, 1, 0, 0] # it works !
现在我想通过创建ufunc:来矢量化vline
ufunc_vline = np.frompyfunc(vline, 2, 1)
out = [0, 0, 0, 0, 0, 0]
ufunc_vline(db, [1, 0, 1])
print out
但是ufunc抱怨用这些形状广播输入：
In [217]: ufunc_vline(db, [1, 0, 1])
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-217-9008ebeb6aa1> in <module>()
----> 1 ufunc_vline(db, [1, 0, 1])
ValueError: operands could not be broadcast together with shapes (6,4) (3,)
In [218]:
将vline转换为numpy ufunc根本没有意义，因为ufunc总是以元素方式应用于numpy数组。因此，输入参数必须具有相同的形状，或者必须可广播为相同的形状。您正在将两个形状不兼容的数组传递给ufunc_vline函数（db.shape == (6, 4)和mask.shape == (3,)），因此您看到的是ValueError。
ufunc_vline还有几个其他问题：
-
np.frompyfunc(vline, 2, 1)指定vline应该返回一个输出参数，而vline实际上不返回任何内容（但在适当的位置修改out）。 -
您将
db作为第一个参数传递给ufunc_vline，而vline期望第一个参数是idx，它用作db行的索引。
此外，请记住，与标准Python for循环相比，使用np.frompyfunc从Python函数创建ufunc不会带来任何显著的性能优势。要想看到任何重大改进，您可能需要用C等低级语言对ufunc进行编码（请参阅文档中的此示例）。
话虽如此，您的vline函数可以使用标准布尔数组操作轻松地向量化：
def vline_vectorized(db, mask):
return db[:, 0] & np.all((mask & db[:, 1:]) == mask, axis=1)
例如：
db = np.array([ # out for mask = [1, 0, 1]
# target, vector #
[1, 1, 0, 1], # 1
[0, 1, 1, 1], # 0 (fit to mask but target == 0)
[0, 0, 1, 0], # 0
[1, 1, 0, 1], # 1
[0, 1, 1, 0], # 0
[1, 0, 0, 0], # 0
])
mask = np.array([1, 0, 1])
print(repr(vline_vectorized(db, mask)))
# array([1, 0, 0, 1, 0, 0])