参数为numpy的fromfunction

Question

我还没有弄清楚关键概念numpy.

我想创建一个三维数组,并使用函数调用的结果填充每个单元格 - 即该函数将使用不同的索引多次调用并返回不同的值.

注意:自编写此问题以来,文档已更新为更清晰.

我可以用零(或空)创建它,然后使用for循环覆盖每个值,但直接从函数填充它似乎更干净.

fromfunction听起来很完美.阅读文档听起来像每个单元格调用一次函数.

但是当我真正尝试它的时候......

from numpy import *

def sum_of_indices(x, y, z):
    # What type are X, Y and Z ? Expect int or duck-type equivalent.
    # Getting 3 individual arrays
    print "Value of X is:"
    print x

    print "Type of X is:", type(x)
    return x + y + z

a = fromfunction(sum_of_indices, (2, 2, 2))

我希望得到类似的东西:

Value of X is:
0
Type of X is: int
Value of X is:
1
Type of X is: int

重复4次.

我明白了:

Value of X is:
[[[ 0.  0.]
  [ 0.  0.]]

 [[ 1.  1.]
  [ 1.  1.]]]
[[[ 0.  0.]
  [ 1.  1.]]

 [[ 0.  0.]
  [ 1.  1.]]]
[[[ 0.  1.]
  [ 0.  1.]]

 [[ 0.  1.]
  [ 0.  1.]]]
Type of X is: <type 'numpy.ndarray'>

该函数只调用一次,并且似乎返回整个数组.

基于对索引函数的多次调用来填充数组的正确方法是什么？

Answer 1

在这方面,文件非常误导.就像你注意到的那样:f(0,0), f(0,1), f(1,0), f(1,1)numpy 不是表演,而是表演

f([[0., 0.], [1., 1.]], [[0., 1.], [0., 1.]])

当你尝试使用类似的东西时,使用ndarrays而不是承诺的整数坐标是非常令人沮丧的lambda i: l[i],其中l是另一个数组或列表(尽管如此,在numpy中可能有更好的方法).

numpy vectorize函数解决了这个问题.你在哪里

m = fromfunction(f, shape)

尝试使用

g = vectorize(f)
m = fromfunction(g, shape)

Answer 2

我显然没有说清楚.我得到的答案fromfunc实际上正如我的测试代码所示,我已经知道了,因为我的测试代码证明了这一点.

我正在寻找的答案似乎分为两部分:

该fromfunc文件具有误导性.它可以立即填充整个数组.

注意:自编写此问题以来,文档已更新为更清晰.

特别是,文档中的 这一行是不正确的(或者至少是误导性的)

例如,如果shape是(2,2),那么参数又是(0,0),(0,1),(1,0),(1,1).

不.如果shape(即从上下文,第二个参数fromfunction)是(2,2),参数将是(不是"轮流",而是在唯一的调用中):

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

文档已更新,目前读取更准确:

使用N个参数调用该函数,其中N是形状的等级.每个参数表示沿特定轴变化的阵列的坐标.例如,如果形状是(2,2),那么参数将是数组([[0,0],[1,1]])和数组([[0,1],[0,1]])

(我的简单示例,源自手册中的示例,可能具有误导性,因为+可以对数组和索引进行操作.这种模糊性是文档不清楚的另一个原因.我想最终使用不是的函数基于数组,但是基于单元格 - 例如,可以基于索引从URL或数据库获取每个值,甚至可以从用户输入.)

回到问题 - 我如何从每个元素调用一次的函数填充数组,答案似乎是:

你不能以功能的方式做到这一点.

你可以用命令式/迭代式的方式来做 - 即编写嵌套的for循环,并自己管理索引长度.

您也可以将其作为迭代器,但迭代器仍需要跟踪自己的索引.

Answer 3

我认为你误解了什么fromfunction。

从numpy 源代码。

def fromfunction(function, shape, **kwargs):
    dtype = kwargs.pop('dtype', float)
    args = indices(shape, dtype=dtype)
    return function(*args,**kwargs)

Whereindices与meshgrid每个变量所在的位置相当np.arange(x)。

>>> side = np.arange(2)
>>> side
array([0, 1])
>>> x,y,z = np.meshgrid(side,side,side)
>>> x
array([[[0, 0],
        [1, 1]],

       [[0, 0],
        [1, 1]]])
>>> x+y+z #Result of your code.
array([[[0, 1],
        [1, 2]],

       [[1, 2],
        [2, 3]]])