Python Vecize类实现函数向量化处理研究.pdfVIP

Peaker

Vectorize是一个Python语言中的类，根据其名字就可以大致猜出

它的功能，即向量话，简单的解释就是讲一个函数func进化成可对向

量实现相同操作的高级函数。首先我们需要定义一个简单的函数func，

然后通过vectorize(func)实现向量化，将原本的元组或列表进化为矩阵

输入和输出形式。Vectorize包括如下几个参数

|pyfunc:callable

|一个Python下的函数

|otypes:strorlistofdtypes,optional

|输出格式，必须是字符串或列表。

|doc:str,optional

|函数docstring，可选参数，默认是str字符串

|excluded:set,optional

|一组字符串或，代表了位置或参数，这些被标

记的或位置将被排除，不被向量化。

|cache:bool,optional

|如果是True，则捕捉第一个函数决定的输出数量。

Peaker

Vectorize是一个Python语言中的类，根据其名字就可以大致猜出

它的功能，即向量话，简单的解释就是讲一个函数func进化成可对向

量实现相同操作的高级函数。首先我们需要定义一个简单的函数func，

然后通过vectorize(func)实现向量化，将原本的元组或列表进化为矩阵

输入和输出形式。Vectorize包括如下几个参数

|pyfunc:callable

|一个Python下的函数

|otypes：str或dtypes列表，可选

|输出格式，必须是字符串或列表。

|doc:str,optional

|函数docstring，可选参数，默认是str字符串

|excluded:set,optional

|一组字符串或，代表了位置或参数，这些被标

记的或位置将被排除，不被向量化。

|cache:bool,optional

|如果是True，则捕捉第一个函数决定的输出数量。

可见我们创建的myfunc函数原本只能处理数值a,b，在经过vectorize

函数向量化，就可以处理array矩阵数据了，输出格式同样是矩阵

格式。

上图为我们测试exluded函数的例子，通过excluded可以将所在

的参数排除在向量化之外。同样的，除了以外还可以根据位置

信息进行定位排除，如下面代码所示

Apply_along_axis

Apply_along_axis则是一种较vectorize更高级的函数，具体的函数定义

如下所示

apply_along_axis(func1d,axis,arr,*args)