Array elementweise Operationen

Ich habe zwei Eingabe-arrays x und y die gleiche Form. Ich muss jedes Ihrer Elemente mit passenden Indizes über eine Funktion, dann speichern Sie das Ergebnis auf diese Indizes in einem Dritten array z. Was ist die pythonic Weg, dies zu erreichen? Jetzt habe ich vier vier-Schleifen - ich bin sicher, es gibt einen einfacheren Weg.

x = [[2, 2, 2],
     [2, 2, 2],
     [2, 2, 2]]

y = [[3, 3, 3],
     [3, 3, 3],
     [3, 3, 1]]

def elementwise_function(element_1,element_2):
    return (element_1 + element_2)

z = [[5, 5, 5],
     [5, 5, 5],
     [5, 5, 3]]

Ich bin immer verwirrt, da meine Funktion funktioniert nur auf einzelnen Daten-Paaren. Ich kann nicht einfach gehen und die x-und y-arrays an die Funktion.

  • numpy-arrays element-wise standardmäßig. Das heißt, x+y=z
  • Gibt es irgendeine Hoffnung, dass man die operation auf der matrix-Ebene? Zum Beispiel z = x + y funktioniert in deinem Beispiel oben. Vielleicht könnten Sie zeigen uns, was Ihre Funktion ist und wir Ihnen helfen können, um es arbeiten auf Matrizen?
InformationsquelleAutor user1764386 | 2012-11-25
  1. 15

    Einen "einfacheren Weg" zu schaffen, ist ein NumPy-aware-Funktion mit numpy.Vektorisieren. Ein "ufunc" ist NumPy Terminologie für eine Funktion elementweise an (siehe Dokumentation hier). Mit numpy.vectorize kannst du mit deiner element-by-element-Funktion erstellen Sie Ihre eigenen, ufunc, die funktioniert auf die gleiche Weise wie andere NumPy ufuncs (wie standard, neben, usw.): die ufunc akzeptieren arrays und es gelten Ihre Funktion auf jedes paar von Elementen, wird es tun-array-Form broadcasting genauso wie standard-NumPy-Funktionen, etc. Die Dokumentation Seite hat einige Beispiele, die hilfreich sein könnten.

    InformationsquelleAutor illya
  2. 5

    (Ich vermute, Ihr redet einfaches python -list, nicht numpy.array)

    Rekursion immer unser Leben leichter machen:

    def operate_on_Narray(A, B, function):
    try:
        return [operate_on_Narray(a, b, function) for a, b in zip(A, B)]
    except TypeError as e:
        # Not iterable
        return function(A, B)

    Verwendung:

    >>> x = [[2, 2, 2],
...      [2, 2, 2],
...      [2, 2, 2]]
>>> 
>>> y = [[3, 3, 3],
...      [3, 3, 3],
...      [3, 3, 1]]
>>> operate_on_Narray(x, y, lambda a, b: a+b)
[[5, 5, 5], [5, 5, 5], [5, 5, 3]]

    Es funktioniert in jeder anderen Art von eindimensionalen Arrays:

    >>> operate_on_Narray([1, 2, 3], [4, 5, 6], lambda a, b: a*b)
[4, 10, 18]
    InformationsquelleAutor juliomalegria
  3. 3

    Folgende Abschrift aus einem python-2.7.3-interpreter-Sitzung veranschaulicht die Verwendung von builtin-Funktion map um eine elementweise operation zu 2D-matrix-Elemente. (Hinweis: operator.add entspricht der elementwise_function angegeben in Frage, und auch das entspricht dem lambda-Ausdruck in die zweite Verwendung des applier.)

    >>> import operator
>>> def applier(a, b, op):
...     return map(lambda ro: map(op, ro[0], ro[1]), zip(a,b))
... 
>>> applier(x, y, operator.add)
[[5, 5, 2], [5, 4, 5], [6, 5, 5]]
>>> x; y
[[2, 2, 1], [2, 2, 2], [3, 2, 2]]
[[3, 3, 1], [3, 2, 3], [3, 3, 3]]
>>> applier(x, y, lambda p,q: p+q)
[[5, 5, 2], [5, 4, 5], [6, 5, 5]]
>>> applier(x, y, lambda p,q: p-q)
[[-1, -1, 0], [-1, 0, -1], [0, -1, -1]]
>>> applier(x, y, lambda p,q: p*q)
[[6, 6, 1], [6, 4, 6], [9, 6, 6]]

    Beachten Sie, das obige x, y wie folgt:

    x=[[2, 2, 1], [2, 2, 2], [3, 2, 2]]
y=[[3, 3, 1], [3, 2, 3], [3, 3, 3]]

    Wie gesagt, die Abschrift oben ist von einem python-2.7.3-interpreter-Sitzung. Wenn dieser code in python 3, es wird stattdessen die return-map-Objekten. Man kann eine Funktion wie die folgende, die zahlen sehen:

    def itemize(m):
    return [itemize(e) for e in m] if hasattr(m, '__iter__') else m

    Mit dieser Funktion in Ort, ist die Aussage

    itemize(applier(x, y, operator.add))

    gibt

    [[5, 5, 2], [5, 4, 5], [6, 5, 5]]
    • Diese Methode gibt "<map-Objekt auf 0x10eebc438>"
    • das ist eine Folge von python 3 vs 2. Siehe Bearbeiten für weitere Informationen und natürlich upvote Bearbeiten!
    • Ich sehen; vielen Dank für die Antwort.
    InformationsquelleAutor James Waldby - jwpat7
Schreibe einen Kommentar