python - transpuesta - Evaluación eficiente de una función en cada celda de una matriz NumPy

transpuesta de una matriz en python numpy

Question

Dada una matriz NumPy A , ¿cuál es la forma más rápida / más eficiente de aplicar la misma función, f , a cada celda?

1. Supongamos que asignaremos a A (i, j) la f (A (i, j)) .

2. La función, f , no tiene una salida binaria, por lo que las operaciones de máscara (ing) no ayudarán.

¿Es la iteración "doble" obvia (a través de cada celda) la solución óptima?

Answer 1

Si está trabajando con números y f(A(i,j)) = f(A(j,i)) , puede usar scipy.spatial.distance.cdist definiendo f como una distancia entre A(i) y A(j) .

Answer 2

Simplemente puede vectorize la función y luego aplicarla directamente a una matriz Numpy cada vez que la necesite:

import numpy as np
def f(x):
return x * x + 3 * x - 2 if x > 0 else x * 5 + 8
f = np.vectorize(f) # or use a different name if you want to keep the original f
result_array = f(A) # if A is your Numpy array

Probablemente sea mejor especificar un tipo de salida explícita directamente al vectorizar:

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

Answer 3

Una pregunta similar es: asignar una matriz NumPy en su lugar . Si puede encontrar un ufunc para su f (), entonces debe usar el parámetro out.