在Python中建立三维阵列，以取代优化循环(Building 3D arrays in Pytho

我试图更好地理解Python的优化，所以这是一个虚拟的情况，但希望勾勒我的想法......

说我有一个函数，它接受两个变量：

def func(param1, param2):
    return some_func(param1) + some_const*(param2/2)

和我有参数1和参数（长度不同的）阵列，在该欲被评估的功能，（some_func是参数1的任意功能），例如

param1 = np.array((1,2,3,4,5))
param2 = np.array((5,2,3,1,9, 9, 10))

我可以评估在做所有的参数空间：

result = []
for p in param1:
    result.append(func(p, param2))
result = np.asarray(result)

然而，在Python环比数组运算慢。因此，我不知道有没有办法实现了三维数组，它包含FUNC的结果在这两个参数1和参数数组的所有值？

Answer 1:

你举的例子：

In [198]: result=[]
In [199]: for p in param1:
   .....:     result.append(p+3*(param2/2))
In [200]: result=np.array(result)

同样的结果通过广播（和np.newaxis ）：

In [197]: param1[:,None] + 3*(param2[None,:]/2)
Out[197]: 
array([[ 7,  4,  4,  1, 13, 13, 16],
       [ 8,  5,  5,  2, 14, 14, 17],
       [ 9,  6,  6,  3, 15, 15, 18],
       [10,  7,  7,  4, 16, 16, 19],
       [11,  8,  8,  5, 17, 17, 20]])

详情some_func将决定是否使用some_func(param1[:,None])或some_func(param1)[:,None] 。

Answer 2:

对于some_func（参数1）原来的答复X参数2

写some_func以这样一种方式，它可以接受并返回numpy的阵列。然后使用;

numpy.outer(some_func(param1), param2)

这工作，因为在你的榜样，无论是param1和param2是向量（一维数组），这样你就可以使用outer ，其结果将是一个二维数组，而不是3D。

编辑

只要你想要做的操作是通用的功能（“ufunc”），你可以使用它的outer方法;

In [1]: import numpy as np

In [2]: a = np.arange(10)

In [3]: a
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [4]: b = np.arange(15)

In [5]: np.add.outer(a, b)
Out[5]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
       [ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16],
       [ 3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17],
       [ 4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18],
       [ 5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [ 6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20],
       [ 7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21],
       [ 8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22],
       [ 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])