python func函数用法_使用numpy.frompyfunc通过参数向python函数添加广播

从像db这样的数组(大约是(1e6,300))和mask = [1,0,1]向量,我在第一列中将目标定义为1.

我想创建一个out向量,其中包含db中相应行与mask和target == 1匹配的向量,以及其他地方的零.

db = np.array([ # out for mask = [1, 0, 1]

# target, vector #

[1, 1, 0, 1], # 1

[0, 1, 1, 1], # 0 (fit to mask but target == 0)

[0, 0, 1, 0], # 0

[1, 1, 0, 1], # 1

[0, 1, 1, 0], # 0

[1, 0, 0, 0], # 0

])

我已经定义了一个vline函数,它使用np.array_equal(mask,mask& vector)将掩码应用于每个数组行,以检查向量101和111是否适合掩码,然后仅保留target == 1的索引.

out初始化为数组([0,0,0,0,0,0])

out = [0, 0, 0, 0, 0, 0]

vline函数定义为：

def vline(idx, mask):

line = db[idx]

target, vector = line[0], line[1:]

if np.array_equal(mask, mask & vector):

if target == 1:

out[idx] = 1

通过在for循环中逐行应用此函数,我得到了正确的结果：

def check_mask(db, out, mask=[1, 0, 1]):

# idx_db to iterate over db lines without enumerate

for idx in np.arange(db.shape[0]):

vline(idx, mask=mask)

return out

assert check_mask(db, out, [1, 0, 1]) == [1, 0, 0, 1, 0, 0] # it works !

现在我想通过创建一个ufunc来对vline进行矢量化：

ufunc_vline = np.frompyfunc(vline, 2, 1)

out = [0, 0, 0, 0, 0, 0]

ufunc_vline(db, [1, 0, 1])

print out

但是ufunc抱怨用这些形状广播输入：

In [217]: ufunc_vline(db, [1, 0, 1])

---------------------------------------------------------------------------

ValueError Traceback (most recent call last)

in ()

----> 1 ufunc_vline(db, [1, 0, 1])

ValueError: operands could not be broadcast together with shapes (6,4) (3,)

In [218]:

解决方法:

从根本上将vline转换为numpy ufunc是没有意义的,因为ufunc总是以元素方式应用于numpy数组.因此,输入参数必须具有相同的形状,或者必须是broadcastable到相同的形状.您将两个具有不兼容形状的数组传递给ufunc_vline函数(db.shape ==(6,4)和mask.shape ==(3,)),因此您看到的是ValueError.

ufunc_vline还有其他一些问题：

> np.frompyfunc(vline,2,1)指定vline应返回单个输出参数,而vline实际上不返回任何内容(但在适当位置修改).

>您将db作为第一个参数传递给ufunc_vline,而vline期望第一个参数是idx,它用作db行的索引.

另外,请记住,使用np.frompyfunc从Python函数创建ufunc不会产生比标准Python for循环更明显的性能优势.要查看任何严重的改进,您可能需要使用C等低级语言对ufunc进行编码(请参阅文档中的this example).

话虽如此,您可以使用标准布尔数组操作轻松地对vline函数进行矢量化：

def vline_vectorized(db, mask):

return db[:, 0] & np.all((mask & db[:, 1:]) == mask, axis=1)

例如：

db = np.array([ # out for mask = [1, 0, 1]

# target, vector #

[1, 1, 0, 1], # 1

[0, 1, 1, 1], # 0 (fit to mask but target == 0)

[0, 0, 1, 0], # 0

[1, 1, 0, 1], # 1

[0, 1, 1, 0], # 0

[1, 0, 0, 0], # 0

])

mask = np.array([1, 0, 1])

print(repr(vline_vectorized(db, mask)))

# array([1, 0, 0, 1, 0, 0])

标签：numpy-broadcasting,python,numpy,numpy-ufunc