使用 `np.vectorize` 进行矢量化
Vectorization using `np.vectorize`
我想使用 np.vectroize 向量化以下函数：
def f(x):
if 0<=x<=1:
return 0.5
elif 1<x<=3:
return 0.25
else:
return 0
下一步：
f = np.vectorize(f)
但是，如果我将负值放入 f 的输入数组中，突然之间所有输出值都变为零。当所有值都是正数时没有问题。例如：
f([-0.1,1,2,3,4])
输出为：
array([0, 0, 0, 0, 0])
问题出在数组的类型上。根据documentation
The data type of the output of vectorized is determined by calling the function with the first element of the input.
类型由第一个值决定，即0，因此类型为整型。如果你 return 0.25 或 0.5，它被转换为 0 （因为 int(0.25) 和 int(0.5) 是 0）
解决方案：
f = np.vectorize(f,"d")
或
return 0.0 # or float(0), but must be float
我想使用 np.vectroize 向量化以下函数：
def f(x):
if 0<=x<=1:
return 0.5
elif 1<x<=3:
return 0.25
else:
return 0
下一步：
f = np.vectorize(f)
但是，如果我将负值放入 f 的输入数组中，突然之间所有输出值都变为零。当所有值都是正数时没有问题。例如：
f([-0.1,1,2,3,4])
输出为：
array([0, 0, 0, 0, 0])
问题出在数组的类型上。根据documentation
The data type of the output of vectorized is determined by calling the function with the first element of the input.
类型由第一个值决定，即0，因此类型为整型。如果你 return 0.25 或 0.5，它被转换为 0 （因为 int(0.25) 和 int(0.5) 是 0）
解决方案：
f = np.vectorize(f,"d")
或
return 0.0 # or float(0), but must be float