使用任意的函数

Question

通常灌装一个numpy的阵列，函数的总和将被这样在python

fsum = 0 
for k in range(1, N+1): 
    fsum += f(k) 

哪里f是一些函数来完成。

使用numpy的整点是vectorize everything。在这种情况下，对于非常大的N，循环将会很慢。如何使用numpy填充numpy array使用函数f（可能需要多个参数）？

Answer 1

首先，我已经扩大你的代码，以实际执行它，包括选择一个特定的F（K）所需的最小：

import numpy as np 

def f(k): 
    return(np.log(k**2)) 

N=8 
fsum = 0 
for k in range(1, N+1): 
    fsum += f(k) 

print fsum 

其中给出和21.209的答案。现在让我们做同样的事情，但矢量化。注意函数f（k）是相同的。

import numpy as np 

def f(k): 
    return(np.log(k**2)) 

N=8 
k = np.array(range(1, N+1)) 
print np.sum(f(k)) 

这给出了相同的答案。关键的区别在于我定义了一个numpy数组来包含您在for循环中迭代的输入。那就是：

k = np.array(range(1, N+1)) 

其中，如果您想更有效，可以简化为：

k = np.arange(1, N+1) 

因为f（K）已写入使用numpy的数学函数的时候，已经向量化。然后，而不是使用含+ =操作的循环，我代替F上的numpy.sum矢量函数（K）：

print np.sum(f(k)) 

正如可以看到的结果是更简洁，对于大型阵列它将也要快得多。