Function 向量化说有一个0维参数，而参数是一个数组

Question

我正在实现这个等式并将其用于频率集nos ：

非矢量化代码有效：

import numpy as np

h = np.array([1,2,3])
nos = np.array([4, 5, 6, 7])

func = lambda h, no: np.sum([hk * np.exp(-1j * no * k) for k, hk in enumerate(h)])

# Not vectorized
resps = np.zeros(nos.shape[0], dtype='complex')
for i, no in enumerate(nos):
    resps[i] = func(h, no)
print(resps)


> Out: array([-0.74378734-1.45446975j,
>             -0.94989022+3.54991188j,
>              5.45190245+2.16854975j,  
>              2.91801616-4.28579526j])

我想向量化调用以便立即传递nos而不是显式迭代：

H = np.vectorize(func, excluded={'h'}, signature='(k),(n)->(n)')
resps = H(h, nos)

致电H时：

错误：ValueError：0 维参数没有足够的维度用于所有核心维度（'n'，）

我正在使用签名参数，但我不确定我是否以正确的方式使用它。 如果没有此参数，则func会出错：

TypeError: 'numpy.int32' object 不可迭代

我不明白问题出在哪里。

Answer 1

循环的列表理解版本：

In [15]: np.array([func(h,n) for n in nos])
Out[15]: 
array([-0.74378734-1.45446975j, -0.94989022+3.54991188j,
        5.45190245+2.16854975j,  2.91801616-4.28579526j])

vectorize - 排除第一个参数（按 position，不是名称），并在第二个参数上进行标量迭代。

In [16]: f=np.vectorize(func, excluded=[0])    
In [17]: f(h,nos)
Out[17]: 
array([-0.74378734-1.45446975j, -0.94989022+3.54991188j,
        5.45190245+2.16854975j,  2.91801616-4.28579526j])

无需使用signature 。

使用真正的 numpy 矢量化（不是伪np.vectorize ）：

In [23]: np.sum(h * np.exp(-1j * nos[:,None] * np.arange(len(h))), axis=1)
Out[23]: 
array([-0.74378734-1.45446975j, -0.94989022+3.54991188j,
        5.45190245+2.16854975j,  2.91801616-4.28579526j])