如何从其他 numpy 数组上的逐元素自定义计算中返回数组?

Question

我想从不同 numpy 数组的逐元素计算中获得一个 numpy 数组。截至目前，我正在使用 lambda 函数返回一个值，对所有值重复该值，从中创建列表，并转换为 numpy 数组：

import math
import numpy as np 
def weightAdjLoads(loadsX, loadsY, angles, g):
adjust = lambda x, y, a: math.sqrt((abs(x) - math.sin(a)*g)**2 + (abs(y) - math.cos(a)*g)**2)
return np.array([adjust(x, y, a) for x, y, a in zip (loadsX, loadsY, angles)])

在我看来，这似乎开销太大了。有没有可以做到这一点的 numpy 例程？

我知道像numpy.sqrt(A**2 + B**2(这样的方法，其中A和B是numpy数组。但是，这些只允许应用预定义的公式。如何在 numpy 数组上应用自定义公式？

Answer 1

numpy.sqrt(A**2 + B**2)被Python解释器解析为调用，大致如下：

tmp1 = A**2  # A.__pow__(2)
tmp2 = B**2  #
tmp3 = tmp1 + tmp2  # tmp1.__add__(tmp2)
tmp4 = np.sqrt(tmp3)

也就是说，有定义的numpy函数和方法用于power、addition、sqrt等。

您的 lambda 适用于标量，而不是 numpy 数组：

math.sqrt((abs(x) - math.sin(a)*g)**2 + (abs(y) - math.cos(a)*g)**2)

具体来说，math三角函数需要标量。abs适用于数组：

abs(A) => A.__abs__()

numpy提供了一整套 trig 函数，因此此函数应与数组或标量参数一起使用：

def foo(x, y, a):
return np.sqrt((abs(x) - np.sin(a)*g)**2 + (abs(y) - np.cos(a)*g)**2)

---

有一些方法可以将标量adjust包装到 numpy 函数中，但相对于列表理解的速度节省很小。

f = np.vectorize(adjust)
f = np.frompyfunc(adjust, 3, 1)

主要是它们使将数组broadcast为标量函数变得更加容易。 但是要获得compiled速度，您必须进行转换，例如在我的foo中，或使用第三方软件包，例如cython，numba或numexpr。