NumPy vectorize() 或 dot() 出现错误

Question

在下面的代码中，y1 和 y2 应该相等，但事实并非如此。 vectorize() 或 dot() 中是否存在错误？

import numpy as np
interval = np.arange(0, 30, 0.1)
y1 = [- 1.57 * max(0, x - 10) - 0.72 * max(0, 15 - x)
      - 1.09 * max(0, 20 - x) for x in interval]

def fun(x, pivot, truth):
    if truth: return max(0, x - pivot)
    else:     return max(0, pivot - x)

pivots = [10, 15, 20]
truths = [ 1,  0,  0]
coeffs = [-1.57, -0.72, -1.09]
y2 = [np.dot(np.vectorize(fun)(x, pivots, truths), coeffs) for x in interval]

import matplotlib.pyplot as plt
plt.plot(interval, y1, interval, y2)
plt.show()

y1 和 y2 的图表:

Answer 1

我不确定这是否适用于您的情况，但是 vectorize 有一些技巧。

如果您没有指定返回 dtype，它会通过测试计算来确定它 - 对于您的第一个案例。如果您的函数返回标量整数，例如 0，则 vectorize 返回一个整数数组。因此，如果您需要一个 float ，请确保指定返回 dtype。

另外 - vectorize 不是一个速度工具。这只是将广播应用于您的输入的一种便捷方式。它并不比显式循环您的输入快多少。

np.vectorize(fun, otypes=[float])

删除步骤。

===========

试试这个:

vfun = np.vectorize(fun, otypes=[float])
X = vfun(interval[:,None], pivots, truths)
print(X.shape)     # (300,3)
y2 = np.dot(X, coeffs)
print(y2.shape)    # (300,)

它更充分地利用了vectorize 的 广播。

我怀疑您的 fun 可以写成对整个 x 起作用，而无需像 vectorize 那样进行迭代。

将 fun 更改为使用 np.maximum，允许我提供数组 x:

def fun(x, pivot, truth):
    if truth: return np.maximum(0, x - pivot)
    else:     return np.maximum(0, pivot - x)

然后我可以通过在 pivots 和 truths 的 3 个案例上循环计算 X，计算所有 interval 值一次:

X = np.stack([fun(interval, p, t) for p, t in zip(pivots, truths)], axis=-1)
y2 = np.dot(X, coeffs)

另一种应用 3 个“案例”的方法

Xlist = [fun(interval, p, t)*c for p, t, c in zip(pivots, truths, coeffs)]
y2 = np.sum(Xlist, axis=0)

因为 np.dot(..., coeffs) 只是一个加权和。我不确定它是否更好。