使用numpy的np.fromfunction评估Python lambda函数

Question

假设A1和A2是形状相同的numpy数组，例如((d1,d2))。我想要从中构建一个((d1,d1))的数组，其[i,j]元素是对元组A1[i]，A2[j]应用函数后得到的结果。我使用np.fromfunction函数来实现：

f=lambda i,j: np.inner(A1[i],A2[j])
A=np.fromfunction(f, shape=(d1, d1)) 

(如Fastest way to initialize numpy array with values given by function中建议的)

然而我得到了错误“'IndexError：用作索引的数组必须是整数（或布尔）类型”。这很奇怪，因为将lambda函数更改为例如

 f=lambda i,j: i*j

运行正常！似乎在lambda函数中调用另一个函数会导致问题。

np.fromfunction

< p>（np.inner仅是一个示例，我希望能够用其他类似的函数来替换它）。

（np.inner只是一个例子，我希望能够用其他相似的函数来代替它。）

- fact

Answer 1

为了调试这种情况，将f变成一个适当的函数并添加打印语句以查看i和j的值：

import numpy as np
np.random.seed(2015)
d1, d2 = 5, 3
A1 = np.random.random((d1,d2))
A2 = np.random.random((d1,d2))
def f(i, j):
    print(i, j)
    return np.inner(A1[i],A2[j])
A = np.fromfunction(f, shape=(d1, d1)) 

你会看到(i, j)等于：

(array([[ 0.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 2.,  2.,  2.,  2.,  2.],
       [ 3.,  3.,  3.,  3.,  3.],
       [ 4.,  4.,  4.,  4.,  4.]]), array([[ 0.,  1.,  2.,  3.,  4.],
       [ 0.,  1.,  2.,  3.,  4.],
       [ 0.,  1.,  2.,  3.,  4.],
       [ 0.,  1.,  2.,  3.,  4.],
       [ 0.,  1.,  2.,  3.,  4.]]))

啊哈。问题在于这些数组的值是浮点型。正如错误信息所述，索引必须是整数或布尔类型。

仔细查阅np.fromfunction的文档字符串会发现它有第三个参数dtype，用于控制坐标数组的数据类型：

Parameters
dtype : data-type, optional
    Data-type of the coordinate arrays passed to `function`.
    By default, `dtype` is float.

因此，解决方案是在调用np.fromfunction时添加dtype=int:

A = np.fromfunction(f, shape=(d1, d1), dtype=int) 

- unutbu

---

抱歉，我仍然困惑于使用“i*j”作为函数时，会得到整数数组“(i,j)”，而使用np.inner则会得到您所写的内容？难道“np.fromfunction”不应该只将“f”应用于所有索引对“(i,j)”的组合（在0和d1之间）吗？ - fact

我认为np.fromfunction不是这个目的的正确函数。你看一下索引i和j长什么样子。它们是多余的--没有必要使用i,j或f--因为整个计算可以用np.inner(A1,A2)完成。 - unutbu

关于：“'np.fromfunction'不应该只对所有元组'(i,j)'应用'f'吗？” 不，这不是np.fromfunction的作用。在NumPy中没有这样的函数，因为对于大型数组，为每个元组调用Python函数f会非常慢。为了有效地利用NumPy，通常希望用最少的函数调用表达计算，并将最大的数组传递给这些函数。这将大部分工作转移到NumPy的快速底层C/Fortran函数上，并尽量少依赖较慢的Python代码。 - unutbu

不要尝试逐个元素地表达计算（就像在C语言中一样）。相反，尝试找到能够在整个数组上操作并实现相同结果的NumPy函数。 - unutbu

是的，谢谢！我不知道这个。我刚刚对比了np.inner(A1,A2)和使用A[i,j]=np.inner(A1[i],A2[j]) 进行指标循环，你的解决方案快得多！ - fact