作为参数发送的numpy.ndarray不需要循环进行迭代吗？

Question

在此代码中， np.linspace()向inputs 200分配从-20到20的均匀间隔的数字。

此功能有效。 我不了解的是它如何工作。 如何将inputs作为参数发送到output_function()而不需要循环遍历numpy.ndarray？

def output_function(x):
    return 100 - x ** 2

inputs = np.linspace(-20, 20, 200)
plt.plot(inputs, output_function(inputs), 'b-')
plt.show()

Answer 1

numpy工作方式是定义对向量的运算，而这正是您真正想在数学上使用它们的方式。 因此，我可以做类似的事情：

a = np.arange(10)
b = np.arange(10)
c = a + b

它可以按您希望的那样工作-将a每个元素添加到b的对应元素中，并将结果存储在新数组c 。 如果您想知道numpy是如何做到这一点的，那么都可以通过python数据模型中的magic方法来完成。 特别是在我的示例案例中，numpy的ndarray的__add__方法将被覆盖以提供所需的行为。

Answer 2

您要使用的是numpy.vectorize ，其行为类似于python内置map 。

这是使用numpy.vectorize一种方法：

outputs = (np.vectorize(output_function))(inputs)

---

您问它为什么起作用，之所以起作用，是因为numpy数组可以对其数组元素进行整体操作，例如：

a = np.array([1,2,3,4]) # gives you a numpy array of 4 elements [1,2,3,4]
b = a - 1 # this operation on a numpy array will subtract 1 from every element resulting in the array [0,1,2,3]

由于numpy数组具有此属性，因此您可以非常快速地对numpy数组的每个元素执行某些操作，而无需使用循环（就像在常规python数组中一样）。