python - np.vectorize 和 np.apply_along_axis 两次将相同的参数传递给映射函数

Question

我想将一个函数 f 映射到一个字符串数组上。我构建了 f 的矢量化版本并将其应用于我的数组。但是数组的第一个元素被传递了两次:

import numpy as np

def f(string):
    print('called with', string)

a = np.array(['110', '012'])

fv = np.vectorize(f)
np.apply_along_axis(fv, axis=0, arr=a)


called with 110
called with 110
called with 012

这是为什么呢？我没想到 110 会被传递给 f 两次，我不明白为什么会这样。

我对 np.vectorize 或 np.apply_along_axis 的误解是什么？

Answer 1

In [145]: def f(string):
     ...:     print('called with', string)
     ...: 
     ...: a = np.array(['110', '012'])
     ...: 
     ...: fv = np.vectorize(f)
     ...: 
In [146]: fv(a)
called with 110
called with 110
called with 012
Out[146]: array([None, None], dtype=object)

只有打印的函数返回None。 vectorized 调用它一次以确定返回数据类型 - 在本例中它推导出 object。

如果我们指定一个 otypes 像 int，我们会得到一个错误:

In [147]: fv = np.vectorize(f, otypes=[int])
In [148]: fv(a)
called with 110
called with 012
---------------------------------------------------------------------------
...    
TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'

otypes 与返回的对象不兼容

In [149]: fv = np.vectorize(f, otypes=[object])
In [150]: fv(a)
called with 110
called with 012
Out[150]: array([None, None], dtype=object)

一个更好的、更有意义的函数:

In [151]: def f(string):
     ...:     print('called with', string)
     ...:     return len(string)
     ...: 
     ...: 
In [152]: fv = np.vectorize(f, otypes=[int])
In [153]: fv(a)
called with 110
called with 012
Out[153]: array([3, 3])

请记住，vectorize 将标量值传递给您的函数。实际上，它评估输入数组的每个元素，返回具有匹配形状的数组:

In [154]: fv(np.array([a,a,a]))
called with 110
called with 012
called with 110
called with 012
called with 110
called with 012
Out[154]: 
array([[3, 3],
       [3, 3],
       [3, 3]])

与普通迭代相比，例如。 np.array([f(i) for i in a])，速度较慢，但​​如果输入数组可以有多个维度，则更方便一些，如果有多个数组，则更好需要互相广播。

对于像 a 这样的简单数组，np.vectorize 是多余的。

---

vectorize 有另一个参数，cache 可以避免这种双重调用，同时仍然允许自动数据类型检测:

In [156]: fv = np.vectorize(f, cache=True)
In [157]: fv(a)
called with 110
called with 012
Out[157]: array([3, 3])

自动数据类型检测有时会导致错误。例如，如果试算返回不同的数据类型:

In [160]: def foo(var):
     ...:     if var<0:
     ...:         return -var
     ...:     elif var>0:
     ...:         return var
     ...:     else:
     ...:         return 0  

In [161]: np.vectorize(foo)([0,1.2, -1.2])
Out[161]: array([0, 1, 1])           # int dtype
In [162]: np.vectorize(foo)([0.1,1.2, -1.2])
Out[162]: array([0.1, 1.2, 1.2])     # float dtype

---

apply_along_axis 采用接受一维数组的函数。它遍历所有其他维度，将一组一维切片传递给您的函数。对于像您的 a 这样的一维数组，这没有任何用处。即使找到了 a，也无济于事。您的 fv 不需要一维输入。

它也进行了试算以确定返回数组的形状和数据类型。它会自动缓存该结果。

与vectorize一样，apply_along_axis是一种便利工具，而不是性能工具。

比较

np.apply_along_axis(fv, axis=0, arr=[a,a,a])
np.apply_along_axis(fv, axis=1, arr=[a,a,a])

了解 apply_along 如何影响计算顺序。

或者对整个行(或列)做一些事情:

np.apply_along_axis(lambda x: fv(x).mean(), axis=0, arr=[a,a,a])