几乎所有numpy函数对整个数组进行操作,和/或可以被告知在特定轴(行或列)上操作。
只要你可以根据对numpy数组或数组切片的numpy函数来定义你的函数,你的函数将自动对整个数组,行或列进行操作。
询问如何实现一个特定的函数以得到更具体的建议可能会更有帮助。
Numpy提供np.vectorize和np.frompyfunc将Python函数转换为对numpy数组进行操作的函数。
例如,
def myfunc(a,b):
if (a>b): return a
else: return b
vecfunc = np.vectorize(myfunc)
result=vecfunc([[1,2,3],[5,6,9]],[7,4,5])
print(result)
# [[7 4 5]
# [7 6 9]]
(当第二个数组较大时,第一个数组的元素将替换为第二个数组的相应元素。)
但不要太激动; np.vectorize和np.frompyfunc是just syntactic sugar.他们实际上不会使你的代码更快。如果你的底层Python函数一次对一个值进行操作,那么np.vectorize将一次给它一个项目,并且整个
操作将会很慢(相比使用numpy函数调用一些底层C或Fortran实现)。
要计算列x的元素数小于数字y,您可以使用以下表达式:
(array['x']
例如:
import numpy as np
array=np.arange(6).view([('x',np.int),('y',np.int)])
print(array)
# [(0, 1) (2, 3) (4, 5)]
print(array['x'])
# [0 2 4]
print(array['x']<3)
# [ True True False]
print((array['x']<3).sum())
# 2