多维数组中的矢量化NumPy linspace

Question

假设我有两个numpy 2D数组mins和maxs，它们的维度总是相同的。 我想创建第三个数组results，该数组是将linspace应用于最大最小值的结果。 是否有一些“numpy”/向量化方式来实现这一点？ 下面是非向量化的示例代码，以展示我想要的结果。

import numpy as np

mins = np.random.rand(2,2)
maxs = np.random.rand(2,2)

# Number of elements in the linspace
x = 3

m, n = mins.shape
results = np.zeros((m, n, x))

for i in range(m):
    for j in range(n):
        min = mins[i][j]
        max = maxs[i][j]
        results[i][j] = np.linspace(min, max, num=x)

- holtc

---

如何对np.linspace(0,1,num=x)的结果进行缩放？ - hpaulj

在这种情况下，我该如何获取最小值和最大值？ - holtc

mins[...,None] + (maxs-mins)[...,None]*np.linspace(0,1,num=x)。这里使用广播来将linspace按照mins和maxs进行缩放。 - hpaulj

Answer 1

这是一种基于这篇文章的矢量化方法，适用于涉及n维的通用情况 -

def create_ranges_nd(start, stop, N, endpoint=True):
    if endpoint==1:
        divisor = N-1
    else:
        divisor = N
    steps = (1.0/divisor) * (stop - start)
    return start[...,None] + steps[...,None]*np.arange(N)

示例运行 -

In [536]: mins = np.array([[3,5],[2,4]])

In [537]: maxs = np.array([[13,16],[11,12]])

In [538]: create_ranges_nd(mins, maxs, 6)
Out[538]: 
array([[[  3. ,   5. ,   7. ,   9. ,  11. ,  13. ],
        [  5. ,   7.2,   9.4,  11.6,  13.8,  16. ]],

       [[  2. ,   3.8,   5.6,   7.4,   9.2,  11. ],
        [  4. ,   5.6,   7.2,   8.8,  10.4,  12. ]]])

- Divakar

---

如果 endpoint==1，那么只需要 if endpoint: 就可以了，因为它是一个布尔值。 - martineau

Answer 2

从Numpy 1.16.0版本开始，支持非标量的起始和结束。

因此，现在你可以这样做：

assert np.__version__ > '1.17.2'

mins = np.random.rand(2,2)
maxs = np.random.rand(2,2)

# Number of elements in the linspace
x = 3

results = np.linspace(mins, maxs, num=x)

# And, if required
results = np.rollaxis(results, 0, 3)

- Bill