如何使用多个参数对 numpy 中的函数进行矢量化？答案

【问题标题】：How can I vectorize a function in numpy with multiple arguments?如何使用多个参数对 numpy 中的函数进行矢量化？
【发布时间】：2010-07-30 23:14:53
【问题描述】：

我正在尝试使用 Scipy 对给定函数进行拟合。 Scipy.optimize.leastsq 需要一个矢量化函数作为输入参数之一。这一切都很好，但现在我有一个更复杂的函数，它不是由 Scipy/Numpy 自动矢量化的。

def f1(a, parameters):
    b, c = parameters
    result = scipy.integrate.quad(integrand, lower, upper, (a, b, c))
    return result

或者给出一个封闭的例子 numpy.vectorize 也不起作用

def f2(a, parameters):
    b, c = parameters
    return a+b+c

是否有可能在 Scipy/Numpy 中对这些函数进行矢量化处理？

感谢您的帮助！亚历山大

【问题讨论】：

标签： python numpy scipy

【解决方案1】：

抱歉，我不确定问题是什么。 Python *args 收集任意数量的参数，一个函数可以随心所欲地解压；看 docs.python.org/tutorial/...

import numpy as np
from scipy.integrate import quad

def f2( a, *args ):
    print "args:", args
    return a + np.sum( args, axis=0 )

x = np.ones(3)
print f2( x, x*2, x*3 )


def quadf( *args ):
    print "quadf args:", args
    return 1

quad( quadf, 0, 1, (2,3) )

【讨论】：

谢谢。这几乎就是我想要的。虽然 numpy.vectorize 不适用于我的带有 *args 的函数，但如果我告诉它函数的输入参数的数量，numpy.frompyfunc 会接受它。