Векторизация функции Numpy
Например, я хочу векторизовать функцию, возвращающую определитель матрицы.
Поэтому я пробую следующие коды:
data1test=np.random.rand(2,2)
data2test=np.random.rand(2,2)
data3test=np.random.rand(2,2)
data4test=np.random.rand(2,2)
fulldata=np.array((data1test,data2test,data3test,data4test))
def det_vec():
return np.vectorize(np.linalg.det)
myfunc=det_vec()
myfunc(fulldata)
Однако он возвращает ошибку «LinAlgError: задан 0-мерный массив. Массив должен быть как минимум двумерным».
Может ли кто-нибудь показать мне, в чем проблема? Спасибо!
Что указано в документах det? Ввод (..., M, M) array_like означает, что он принимает многомерный массив, последние два измерения которого одинаковы. И возвращает результат (...), то есть det каждого подмассива (M,M). Что такое fulldata.shape?
Не используйте np.vectorize, не прочитав (и не попытавшись понять) его документацию. Обратите внимание на то, что он на самом деле говорит, а не на то, что вы хотели бы. vectorize передает скалярные значения в вашу функцию — если вы не укажете signature, что медленнее. Это не инструмент «производительности».
Ответы 1
Казалось бы, ваша векторизованная функция векторизуется слишком глубоко.
Вы можете использовать аргумент signature, чтобы обойти это и принудительно векторизировать только на верхнем уровне:
>>> myfunc = np.vectorize(np.linalg.det, signature = "(a,b,c)->(a)")
>>> myfunc((np.eye(2), np.array([[1,3],[4,2]])))
array([ 1., -10.])
Обновлено: стоит отметить, что @hpaulj прав - здесь даже не обязательно явная векторизация. См. следующее:
>>> np.linalg.det((np.eye(2), np.array([[1,3],[4,2]])))
array([ 1., -10.])
Если я не ошибаюсь, происходит то, что
numpyпытается взять определитель каждого отдельного элемента в каждом из ваших массивов, а не просто сопоставляет функцию с каждым тестовым массивом. Что-то вроде stackoverflow.com/questions/67359587/… может быть актуально.