Numpy数组与向量参数的广播用法

Question

在numpy中，能不能用向量作为参数来进行数组广播？

举个例子，我知道我可以这样做：

def bernoulli_fraction_to_logodds(fraction):
    if fraction == 1.0:
        return inf
    return log(fraction / (1 - fraction))
bernoulli_fraction_to_logodds = numpy.frompyfunc(bernoulli_fraction_to_logodds, 1, 1)

这样就能对整个数组进行操作。如果我有一个函数，它接收一个包含两个元素的向量，并返回一个同样包含两个元素的向量。我能不能把一个包含多个两个元素向量的数组传给它？比如：

def beta_ml_fraction(beta):
    a = beta[0]
    b = beta[1]
    return a / (a + b)
beta_ml_fraction = numpy.frompyfunc(beta_ml_fraction, 1, 1)

可惜的是，这样做是不行的。有没有类似于from_py_func的函数可以用呢？当向量是两个元素的时候，我可以找到解决办法，但如果是n个元素的向量呢？

因此，输入(2,3)应该返回0.4，而输入[[2,3], [3,3]]应该返回[0.4, 0.5]。

Answer 1

我觉得 frompyfunc 可能做不到这个，不过我也可能错了。

关于 np.vectorize，有位叫 A. M. Archibald 的人写道：

实际上，任何通过 Python 代码来“组合两个数”的操作都会很慢。Python 循环慢并不是因为它的循环结构慢，而是因为执行 Python 代码本身就慢。所以说，vectorize 有点像是个小把戏——它实际上并没有运行得更快，但用起来很方便。

所以 np.frompyfunc（和 np.vectorize）其实只是语法上的一种简化——它们并没有让 Python 函数运行得更快。在意识到这一点后，我对 frompyfunc 的兴趣几乎降到了零。

Python 的循环并没有什么难懂的地方，所以要么直接使用循环，要么重写函数，真正利用 numpy（通过编写真正的向量化公式）。

import numpy as np

def beta_ml_fraction(beta):    
    a = beta[:,0]
    b = beta[:,1]
    return a / (a + b)


arr=np.array([(2,3)],dtype=np.float)
print(beta_ml_fraction(arr))
# [ 0.4]

arr=np.array([(2,3),(3,3)],dtype=np.float)
print(beta_ml_fraction(arr))
# [ 0.4  0.5]

Answer 2

在处理二维向量数组时，我喜欢把x和y的部分放在第一个索引位置。为此，我经常使用transpose()这个函数。

def beta_ml_fraction(beta):
        a = beta[0]
        b = beta[1]
   return a / (a + b)

arr=np.array([(2,3),(3,3)],dtype=np.float) 
print(beta_ml_fraction(arr.transpose()))
# [ 0.4  0.5]

这种方法的好处是，处理多维的二维向量数组会变得更简单。

x = np.arange(18,dtype=np.float).reshape(2,3,3)
print(x)
#array([[[  0.,   1.,   2.],
#        [  3.,   4.,   5.],
#        [  6.,   7.,   8.]],
#
#       [[  9.,  10.,  11.],
#        [ 12.,  13.,  14.],
#        [ 15.,  16.,  17.]]])
print(beta_ml_fraction(x))
#array([[ 0.        ,  0.09090909,  0.15384615],
#       [ 0.2       ,  0.23529412,  0.26315789],
#       [ 0.28571429,  0.30434783,  0.32      ]])