python - 如何使用在每一行和每一列调用的函数有效地填充 numpy ndarray？

Question

我想通过指定行和列的函数来定义值来创建一个 numpy ndarray。

例如，我希望能够做这样的事情(完全不正确的语法，但你应该明白这个想法):

>>> np.ndarray((2,3), lambda r,c: 3*r+c)
[[ 0  1  2]
 [ 3  4  5]]

网上搜索一无所获，虽然我一直想不出具体如何搜索它...

现在我有(等同于)以下代码，但它的效率非常低:

def ndarrayFuncFill(size, func):
    z = np.empty(size)
    for r in np.arange(size[0]):
        for c in np.arange(size[1]):
            z[r][c] = func(r,c)
    return z

>>> ndarrayFuncFill((2,3), lambda r,c: 3*r+c)
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  5.]])

不幸的是，我现在特别想使用它的函数不是我可以轻易重写为 ufunc 或类似的东西。我几乎不得不将其视为一个黑盒子。

我实际上有兴趣使用它的函数(不是像上面的 lambda 这么简单的东西)，不是我有权发布的函数。但是，它本质上是在查找表上进行插值。所以你给它一行和一列，然后它将其转换为查找表中的索引——但是有一些棘手的事情发生在它不仅仅是一对一查找的地方，它有时会结合“附近”值(value)观之类的。所以它也不是最有效的函数，但我宁愿没有太多其他愚蠢的浪费源，比如嵌套 for 循环。

有什么建议吗？

Answer 1

您可以尝试使用 index arrays .对于您的简单示例，使用 np.indices你可以这样做:

import numpy as np
r, c = 2, 3
a = np.empty((r, c))
b = np.indices((r, c))
a[b[0], b[1]] = 3 * b[0] + b[1]

那么我们有:

>>> a
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  5.]])