Numpy vectorize作为带参数的装饰器

Question

我试图进行矢量化(同意,不是最有效的方法来做到这一点,但我的问题是在装饰器上使用)以下函数

 @np.vectorize
 def diff_if_bigger(x, y):
     return y - x if y > x else 0

 x = np.array([5.6, 7.0])
 y = 8

 diff_if_bigger(x, y)
 # outputs array([2, 1]) which is not what I want

编辑:重启IPython后,输出正常.

任何人都可以解释为什么结果diff_if_bigger变成一个数组,np.int即使第一个参数x在这里是一个aray np.float,与文档中的内容相反？

现在,我想强制浮动输出,所以我这样做了

 @np.vectorize('np.float')
 def diff_if_bigger(x, y):
     return y - x if y > x else 0
 # Error !!
 # TypeError: Object is not callable.

 @np.vectorize(otypes='np.float')
 def diff_if_bigger(x, y):
     return y - x if y > x else 0
 # Again error !!
 # TypeError: __init__() takes at least 2 arguments (2 given)


 @np.vectorize(otypes=[np.float])
 def diff_if_bigger(x, y):
     return y - x if y > x else 0
 # Still an error !!
 # TypeError: __init__() takes at least 2 arguments (2 given)

顺便说一下,即便如此

 vec_diff = np.vectorize(diff_if_bigger, otypes=[np.float])

不起作用!!! 发生什么了？？

编辑:事实上,后者在重新启动IPython后工作.

所以在我之前的两次编辑之后,我的问题现在是双重的:

1-如何将np.vectorize用作带参数的装饰器？

2-如何清理IPython状态？

Answer 1

适合我:

>>> import numpy as np
>>> @np.vectorize
... def diff_if_bigger(x, y):
...      return y - x if y > x else 0
...
>>> diff_if_bigger(np.array([5.6,7.0]), 8)
array([ 2.4,  1. ])

请注意,np.vectorize除了最简单的情况之外,它并不真正意味着装饰器.如果需要指定显式otype,请使用常用表单new_func = np.vectorize(old_func, otypes=...)或使用functools.partial获取装饰器.

另请注意np.vectorize,默认情况下,通过在第一个参数上计算函数来获取其输出类型:

输出的数据类型vectorized是通过使用输入的第一个元素调用函数来确定的.

所以,如果你想确保它推断为输出dtype(例如使用和传递),你应该传递float并返回.floatfloatelse 0.0y = 8.0