如何有效地计算 numpy 数组中每个单元格的函数？

【问题标题】：How to efficiently compute function for every cell in numpy array?如何有效地计算 numpy 数组中每个单元格的函数？
【发布时间】：2016-01-17 00:11:55
【问题描述】：

我想迭代一个 numpy 数组并不是最有效的方法，而且我可以看到我的程序真的很慢，因为我有一个更大的数据集。

1) 遍历矩阵并将函数应用于每个单元格的方法是什么？

这是代码的一部分：

# States and data are two lists with a few appended items ~100
rows = len(self.states)
cols = len(self.data)
self.trellis = np.zeros((rows, cols))
    for i, state in enumerate(self.states):
        for j, vector in enumerate(self.data):
            self.trellis[i][j] = mvnun_wrapper(vector, state.mu, state.sigma, vector_length)

【问题讨论】：

这个解决方案可以帮助stackoverflow.com/a/8079151/5050917 吗？
vector和vector_length是什么关系？
Vector 是一个数字数组，vector_length 是它的长度。它实际上并不重要。方法调用才是本质：D

标签： python performance numpy matrix

【解决方案1】：

这似乎是一个经典的 numpy 问题。 states 听起来像是 state 的列表，有两个属性，mu 和 sigma。

我认为vector_length 在这里不是必需的，假设mvnun 是三个标量的函数。

那就试试吧：

mu = [state.mu for state in states]
sigma = [state.sigma for state in states]
v=np.asarray(vector).reshape(-1,1) # a "column" vector
result = mvnun(v,mu,sigma)

举个例子：

class state():
    def __init__(self):
        self.mu=np.random.random()
        self.sigma=np.random.random() 

states=[state() for _ in range(10)]  # 10 states
vector=list(range(5))  # a 5-vector
def mvnun(x,m,s) : return x*m+3*x*s # a scalar function

mu=[state.mu for state in states]
sigma = [state.sigma for state in states]
v=np.asarray(vector).reshape(-1,1) # a "column" vector
result = mvnun(v,mu,sigma)

result.shape是(5,10)。

【讨论】：