有没有一种方法可以使用 numpy 在没有循环的情况下将函数应用于二维数组

Question

我正在尝试使用 Transforms3d python 包将四元数列表转换为其相应的方向矩阵。

每个四元数是输入的 4 个元素 list/array，使用 transforms3d.quaternions.quat2mat(q) 函数它 return 是 3x3 方向矩阵。

我有一些需要转换的 10K-100K 四元数列表（nx4 数组），虽然使用循环很容易做到这一点，但我认为如果有某种方法可以矢量化过程，它可能会更快。

一些搜索建议我可以简单地执行 np.vectorize() 之类的操作，但我正在努力实现它。列表理解工作正常，但我想 numpy 向量解决方案会更快。


orientations = np.array([[ 0.6594993 , -0.06402525, -0.74797227, -0.03871606],
       [ 0.78091967, -0.15961452, -0.44240183, -0.41105753]])

rotMatrix = [quat2mat(orient) for orient in orientations]

vfunc=np.vectorize(quat2mat, signature='(m,n)->()')

vfunc(orientations)

不幸的是，我什至无法获得运行的 numpy 版本，无论是否有签名（这可能是错误的）。

> Traceback (most recent call last):

文件“”，第 1 行，位于 vfunc(aa)

文件 "c:\wpy64-3740\python-3.7.4.amd64\lib\site-packages\numpy\lib\function_base.py"，第 2091 行，在调用 return self._vectorize_call(func=func, args=vargs)

文件 "c:\wpy64-3740\python-3.7.4.amd64\lib\site-packages\numpy\lib\function_base.py"，第 2157 行，在 _vectorize_call res = self._vectorize_call_with_signature(func, args)

文件 "c:\wpy64-3740\python-3.7.4.amd64\lib\site-packages\numpy\lib\function_base.py"，第 2198 行，在 _vectorize_call_with_signature 中结果 = func(*(arg[index] for arg in args))

文件 "c:\wpy64-3740\python-3.7.4.amd64\lib\site-packages\transforms3d\quaternions.py"，第 133 行，在 quat2mat 中 w, x, y, z = q

ValueError：没有足够的值来解压（预期 4，得到 2）

Answer 1

正如所建议的那样，提高性能的最佳方法是向量化 quat2mat，结果 (%timeit) 支持：

quat2mat() 循环 2000 个四元数：

17.3 ms ± 482 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

矢量化 quat2mat_array() 2000 个四元数：

1.11 ms ± 16.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

应该先做那个而不是搞乱 np.vectorise()！感谢重新关注！

有没有一种方法可以使用 numpy 在没有循环的情况下将函数应用于二维数组

Is there a way to use numpy to apply a function to a 2D array without a loop

numpy

vectorization

numpy-ufunc