如何使用 np.vectorize？

Question

我有這個 function 來矢量化：

if x >= y, then x*y
else x/y

我的代碼是：

def vector_function(x, y):

    if y >= x:
      return x*y
    else:
      return x/y
  
    vfunc = np.vectorize(vector_function)
    return vfunc
    
  raise NotImplementedError

但我收到錯誤：

'>=' not supported between instances of 'int' and 'list'

有人可以幫忙嗎？

Answer 1

問題是 function內部的vectorize調用。

import numpy as np

# first define the function
def vector_function(x, y):
    if y >= x:
        return x * y
    else:
        return x / y

# vectorize it
vfunc = np.vectorize(vector_function)

# validation
print(vfunc([1, 2, 3, 4], 2.5)) # [2.5 5.  1.2 1.6]

但是請注意，從numpy.vectorize 開始： vectorize function 主要是為了方便，而不是為了性能。 該實現本質上是一個 for 循環。

Answer 2

純“矢量化”版本是：

def foo(x,y):
    return np.where(y>=x, x*y, x/y)

In [317]: foo(np.array([1,2,3,4]), 2.5)
Out[317]: array([2.5, 5. , 1.2, 1.6])

根據 arrays 的大小，這比Stefans 的回答快 2 到 10 倍

我選擇了這種where方法，因為它是用y廣播x的最簡單和最緊湊的方法。 它可能不是最快的，具體取決於/和*的“成本”。