如何使用numpy.vectorize或numpy.frompyfun

Question

[编辑：我对这个例子进行了一些修改，所以没有很好地清理代码。我的问题是，如何将子数组传递到numpy.vectorize-d函数中，而不是针对本例。]

我不知道如何使用numpy.vectorize或numpy.frompyfunc对以数组作为参数的命令进行矢量化。

让我们想想这个简单的例子（我知道这是一个非常基本的例子，我根本不需要使用numpy.vectorize。我只是想举个例子：

aa = [[1,2,3,4], [2,3,4,5], [5,6,7,8], [9,10,11,12]]
bb = [[100,200,300,400], [100,200,300,400], [100,200,300,400], [100,200,300,400]]

我想对一个函数进行矢量化，这个函数将a a和bb的每个子数组的第二个元素相加。在这个例子中，我想返回一个数组[202 203 206 210]

但是这样的代码不起作用：

def vec2(bsub, asub):
    return bsub[1] + asub[1]

func2 = np.vectorize(vec2)
func2( bb, aa )

与numpy.frompyfunc类似的事情没有运气。

我的问题是，如何将子数组列表转换成numpy.vectorize-d函数，并让每个子数组成为该函数的参数？

Answer 1

你的问题之一是aa和bb是列表，而不是numpy.array()。你应该做：

aa = np.array([[1,2,3,4], [2,3,4,5], [5,6,7,8], [9,10,11,12]])
bb = np.array([[100,200,300,400], [100,200,300,400], [100,200,300,400], [100,200,300,400]])

我注意到的第二件事是，要获得每个子数组的第二个元素，需要aa[:,1]，而不是aa[2]。

第三，你的vec2函数应该return一些东西，而不仅仅是print。

最后一个问题是，vec2函数应该对整数而不是数组进行操作，并且应该将切片传递给函数，而不是完整的数组。修正后的版本（返回预期输出）是：

import numpy as np
aa = np.array([[1,2,3,4], [2,3,4,5], [5,6,7,8], [9,10,11,12]])
bb = np.array([[100,200,300,400], [100,200,300,400], [100,200,300,400], [100,200,300,400]])

def vec2(a, b):
    return a + b

func2 = np.vectorize(vec2)
print func2(bb[:,1], aa[:,1])

在OP的文章中做了一些修改，使得这个答案看起来有点奇怪。