类似于集结在地图，支持numpy的广播

我想要写的函数amap其类似于集结在map但支持numpy的广播和输出数组的函数。它会这样工作：类似于集结在地图，支持numpy的广播

>>> amap(lambda x:x**2, 1) 
array(1) 
>>> amap(lambda x:x**2, [1, 2]) 
array([1, 4]) 
>>> amap(lambda x,y:y**2+x**2, 1, [1, 2]) 
array([2, 5]) 
>>> amap(lambda x,y:y**2+x**2, [1, 2], [[1], [2]]) 
array([[2, 5], [5, 8]])

传入的函数对标量进行操作。

我写了一个实现。

def amap(func, *args): 
    '''array version of build-in map 
    amap(function, scalar/sequence[, ...]) -> array 
    ''' 
    args = np.broadcast(None, *args) 
    res = [func(*arg[1:]) for arg in args] 
    res = np.asarray(res).reshape(args.shape) 
    return res

它的作品，但它是某种丑陋的，不是很有效。你有什么好的想法做到这一点？特别是更加朴实时尚的东西？

来源

2016-06-22 Syrtis Major

'lambda'（函数）是对整个数组还是标量运算？ – hpaulj

你期待什么样的效率？带标量或数组操作的迭代调用？ – hpaulj

@hpaulj该函数仅对标量进行操作，通常它是一个复杂的函数，并且很难操作数组。我认为用额外的'None'进行广播并且使''arg [1：]'减少'None'效率不高。 –

使用numpy.vectorize直接？

>>> numpy.vectorize(lambda x:x**2)(1) 
array(1) 
>>> numpy.vectorize(lambda x:x**2)([1,2]) 
array([1, 4]) 
>>> numpy.vectorize(lambda x, y: y**2 + x**2)(1, [1,2]) 
array([2, 5]) 
>>> numpy.vectorize(lambda x, y: y**2 + x**2)([1,2], [[1], [2]]) 
array([[2, 5], 
     [5, 8]])

来源

2016-06-22 16:52:04 kennytm

'vectorize'效率不高，在内部它相当丑陋（即很长）。 – hpaulj

类似于集结在地图，支持numpy的广播

回答

相关问题