如何解决 numpy.vectorize() 的广播问题

Question

我正在编写一个自定义函数，我希望它的行为就像一个 numpy 函数，能够接收一个数组，并对输入列表的每个元素执行相同的操作，然后返回包含所有结果的相同形状的列表。

幸运的是，有一个解决方案：numpy.vectorize()

所以我使用了它：我有一个以正弦波形式创建模型的函数，它接受两个变量：一个 numpy 列表 X 包含正弦函数的一些输入值，和一个包含正弦曲线可能具有的四个可能参数的 numpy 列表 param。

import numpy as np
def sine(X, param):
    #Unpacking param
    A = param[0]
    P = param[1]
    Phi = param[2]
    B = param[3]

    #translating variables
    #Phi = t0/P
    f = X/P
    Y = A*np.sin(2*np.pi*(f + Phi)) + B
    return Y

因为只有输入值X需要广播，而所有的参数都是一直需要的，所以根据文档，函数向量化的方法如下：

np_sine = np.vectorize(sine, excluded=['param']) #makes sine() behave like a numpy function

...因此 param 被正确排除在向量化之外。

这个方法很有用，因为我要把这个模型拟合到一个数据集上，这需要偶尔调整参数，同时，使用这个方法，我需要的代码只有一行：

CHIsqrt = np.sum(((ydata - np_sine(xdata, param))/yerr)**2)

其中 ydata、xdata 和 yerr 是同样长的数据点列表，其中 param 是四个参数的列表。

然而，结果是广播错误：

 File "C:\Users\Anonymous\AppData\Local\Programs\Python\Python36\lib\site-packages\numpy\lib\function_base.py", line 2831, in _vectorize_call outputs = ufunc(*inputs)
 ValueError: operands could not be broadcast together with shapes (500,) (4,)

由于列表 param 有 4 个元素长，我知道该函数忽略了我将其从矢量化中排除的命令。那是个问题。

我尝试指定最终结果应该是一个 ndArray，这并没有改变错误。

np_sine = np.vectorize(sine, excluded=['param'], otypes=[np.ndarray])

使用此功能的正确方法是什么？

Answer 1

您指定的 excluded 错误。

In [270]: def foo(x, param):
     ...:     a,b,c = param
     ...:     return a*x
     ...: 
In [271]: f = np.vectorize(foo, excluded=[1])  # specify by position
In [272]: f(np.arange(4),[1,3,2])
Out[272]: array([0, 1, 2, 3])

对于关键字参数：

In [277]: def foo(x, param=[0,0,0]):
     ...:     a,b,c = param
     ...:     return a*x
     ...:
In [278]: f = np.vectorize(foo, excluded=['param'])
In [279]: f(np.arange(4),param=[1,3,2])
Out[279]: array([0, 1, 2, 3])

如何解决 numpy.vectorize() 的广播问题

How to fix broadcasting issues with numpy.vectorize()

python

numpy

vectorization

array-broadcasting