使用向量化将函数应用于 Numpy 二维数组中的每一行

Question

我调用了一个 1000x784 的数据矩阵（10000 个示例和 784 个特征）X_valid，我想将以下函数应用于该矩阵中的每一行并获得数值结果：

def predict_prob(x_valid, cov, mean, prior):
    return -0.5 * (x_valid.T.dot(np.linalg.inv(cov)).dot(x_valid) + mean.T.dot(
    np.linalg.inv(cov)).dot(mean) + np.linalg.slogdet(cov)[1]) + np.log(
    prior)

（x_valid只是一行数据）。我使用 numpyvectorize通过以下代码来执行此操作：

v_predict_prob = np.vectorize(predict_prob)
scores = v_predict_prob(X_valid, covariance[num], means[num], priors[num])

（covariance[num]、means[num]、 和priors[num]只是常数。）

但是，运行时出现以下错误：

File "problem_5.py", line 48, in predict_prob
return -0.5 * (x_valid.T.dot(np.linalg.inv(cov)).dot(x_valid) + mean.T.dot(np.linalg.inv(cov)).dot(mean) + np.linalg.slogdet(cov)[1]) + np.log(prior)
AttributeError: 'numpy.float64' object has no attribute 'dot'

也就是说，它不会单独传递矩阵的每一行。相反，它传递矩阵的每个条目（不是我想要的）。

我怎样才能改变它以获得所需的行为？

Answer 1

我建议只使用for循环：

def v_predict_prob(X_valid, c, m, p):
    out = []
    for row in X_valid:
        out.append(predict_prob(row, c, m, p))
    return np.array(out)

在引擎盖下np.vectorize正在做同样的事情：http://docs.scipy.org/doc/numpy-1.10.1/reference/ generated/numpy.vectorize.html