[英]Apply function on each row (row-wise) of a NumPy array
所以,我有这个功能——
def function(x):
x , y = vector
return exp(((-x**2/200))-0.5*(y+0.05*(x**2) - 100*0.05)**2)
假设我想在以下几点对其进行评估(第一列是 x 值,第二列是 y 值)-
array([[-1.56113514, 4.51759732],
[-2.80261623, 5.068371 ],
[ 0.7792729 , 6.0169462 ],
[-1.35672858, 3.52517478],
[-1.92074891, 5.79966161],
[-2.79340321, 4.73430001],
[-2.79655868, 5.05361163],
[-2.13637747, 5.39255837],
[ 0.17341809, 3.60918261],
[-1.22712921, 4.95327158]])
即我想传递函数的第一行值并评估,然后是第二行并评估等,然后最终结果将是在这些点评估的值的数组(因此,一个由 10 个值组成的数组) .
因此,例如,如果函数是一个二元正态分布——
def function2(x):
function2 = (mvnorm.pdf(x,[0,0],[[1,0],[0,1]]))
return function2
我将上述值传递给这个函数,我会得到 -
array([ 1.17738907e-05, 1.08383957e-04, 1.69855078e-04,
5.64757613e-06, 1.37432346e-05, 1.44032800e-04,
1.33426313e-05, 1.97822328e-06, 6.56121709e-08,
4.67076770e-05])
所以基本上,我正在寻找一种重写函数的方法,以便它可以做到这一点。 此外,我想将该函数保留为仅包含一个变量的函数(即仅包含 x 的函数)。
感谢您的帮助!
您可以使用np.apply_along_axis
:
np.apply_along_axis(function, 1, array)
第一个参数是函数,第二个参数是应用函数的轴。 在您的情况下,它是第一个轴。 当然,最后一个参数是数组。
但是,应该警告您, apply_along_axis
只是一个方便的函数,而不是灵丹妙药。 它有一个严重的速度限制,因为它只是隐藏了一个循环。 在可能的情况下,您应该始终尝试矢量化您的计算。 这是我如何做到这一点:
v = array[:, 0] ** 2 # computing just once
return np.exp((-v / 200) - 0.5 * (array[:, 1] + 0.05 * v - 5) ** 2)
有几种方法可以实现这一点,唯一需要更改的行是x
和y
的分配。 x,y = vector
仅当所述第一尺寸的工作原理vector
具有长度为2( vector.shape = 2,...
)。 因此,您可以使用以下任何命令简单地更改向量:
x,y = vector.T #transpose the array
x,y = vector.swapaxes(0,1) #swap the axis 0 and 1
x,y = np.rollaxis(vector,1) #roll the axis 1 to the front
x,y = vector[:,0], vector[:,1] #slice asignement
只需选择您最喜欢的一种,可能还有其他方式(我几乎可以肯定,但我想这已经足够了)。 最后一个是迄今为止最快的,其他的都差不多。 然而,最后一个的缺点是,在更高维度上使用它并不容易。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.