向量化 Python 函数

我有一个名为的旧函数 old_func ，它将两个位置参数作为输入， x 并且 y . 函数的输入是这样写的，使用元组作为输入：

<span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>def </strong></span> <span style="color:#880000"><strong>old_func </strong></span>(位置) :

    x, y = 位置
    <span style="color:#333333"><strong>返回</strong></span>x ** <span style="color:#880000">2</span> + y ** <span style="color:#880000">2</span></span></span>

我现在想要一种在值网格上调用函数的快速简便的方法：

<span style="color:#444444"><span style="background-color:#f6f6f6">xx = numpy.linspace(0, 1, 100)
yy = numpy.linspace(0, 1, 100)
X, Y = numpy.meshgrid(xx, yy)

array_positions = (X,Y)
old_fun(array_positions)</span></span>

目的是x 对函数中的每个操作 都对所有的 X 和 相同的 完成 y 。我尝试使用矢量化函数， 但这不起作用。我不想更改函数以接受 NumPy 数组，因为这将花费太长时间。

下面的代码可以解决问题，并为您省去创建 array_positions .

首先，使用 来展平 并 变成形状为 的 NumPy 数组 。 ravel XY(10000,)

<span style="color:#444444"><span style="background-color:#f6f6f6">X_flattened = X.ravel()
 Y_flattened = Y.ravel()</span></span>

然后，使用 来实现自定义函数，沿着这些扁平数组的长度迭代。 

<span style="color:#444444"><span style="background-color:#f6f6f6">float_array = np.apply_along_axis(old_func, <span style="color:#880000">0</span> , (X_flattened, Y_flattened))</span></span>

最后，将输出数组重塑为所需的 形状 (100, 100) 。

<span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>np </strong></span><span style="color:#880000">.reshape</span> (float_array, ( <span style="color:#880000">100</span> , <span style="color:#880000">100</span> ))</span></span>