[英]Apply function on each row (row-wise) of a NumPy array
所以,我有這個功能——
def function(x):
x , y = vector
return exp(((-x**2/200))-0.5*(y+0.05*(x**2) - 100*0.05)**2)
假設我想在以下幾點對其進行評估(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]])
即我想傳遞函數的第一行值並評估,然后是第二行並評估等,然后最終結果將是在這些點評估的值的數組(因此,一個由 10 個值組成的數組) .
因此,例如,如果函數是一個二元正態分布——
def function2(x):
function2 = (mvnorm.pdf(x,[0,0],[[1,0],[0,1]]))
return function2
我將上述值傳遞給這個函數,我會得到 -
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,我正在尋找一種重寫函數的方法,以便它可以做到這一點。 此外,我想將該函數保留為僅包含一個變量的函數(即僅包含 x 的函數)。
感謝您的幫助!
您可以使用np.apply_along_axis
:
np.apply_along_axis(function, 1, array)
第一個參數是函數,第二個參數是應用函數的軸。 在您的情況下,它是第一個軸。 當然,最后一個參數是數組。
但是,應該警告您, apply_along_axis
只是一個方便的函數,而不是靈丹妙葯。 它有一個嚴重的速度限制,因為它只是隱藏了一個循環。 在可能的情況下,您應該始終嘗試矢量化您的計算。 這是我如何做到這一點:
v = array[:, 0] ** 2 # computing just once
return np.exp((-v / 200) - 0.5 * (array[:, 1] + 0.05 * v - 5) ** 2)
有幾種方法可以實現這一點,唯一需要更改的行是x
和y
的分配。 x,y = vector
僅當所述第一尺寸的工作原理vector
具有長度為2( vector.shape = 2,...
)。 因此,您可以使用以下任何命令簡單地更改向量:
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
只需選擇您最喜歡的一種,可能還有其他方式(我幾乎可以肯定,但我想這已經足夠了)。 最后一個是迄今為止最快的,其他的都差不多。 然而,最后一個的缺點是,在更高維度上使用它並不容易。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.