python - Numpy vectorize 作为带参数的装饰器

Question

我尝试对以下函数进行矢量化(同意，这不是最有效的方法，但我的问题是关于装饰器的使用)

 @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:重新启动 IPython 后，输出正常。

谁能解释为什么 diff_if_bigger 的结果被转换成一个 np.int 数组，即使这里的第一个参数 x 是一个 np.int 数组。 float ，与文档中的内容相反？？？？

现在，我想强制输出 float ，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，连这个

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

没用!!!那么这是怎么回事？？

编辑:事实上，后者在我重新启动 IPython 后起作用。

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

对我有用:

>>> 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除了最简单的情况外，它并不真正意味着装饰器。如果需要明确指定 otype , 使用通常的形式 new_func = np.vectorize(old_func, otypes=...)或使用 functools.partial获得装饰器。

还要注意 np.vectorize , 默认情况下，通过评估函数的第一个参数获取其输出类型:

The data type of the output of vectorized is determined by calling the function with the first element of the input.

所以，你应该传递 float并返回 float如果你想确保它推断出 float作为输出数据类型(例如使用 else 0.0 并传递 y = 8.0 )。