我想两者结合起来numpy.ndarray使用(m, n)元素融入一个m x n矩阵,然后将一个函数/λ映射值。
例如:
import numpy as np
X = np.array([1,2,3])
Y = np.array([4,5,6,7])
Z = cross_combine(X, Y)
Z = Z.map(lambda x, y: x * y)
映射功能很复杂。什么cross_combine和map在numpy的功能呢?我怎样才能轻松实现这一目标?
对于您的特定示例,您可以使用np.meshgrid并reduce:
import numpy as np
def mesh(values):
return np.array(np.meshgrid(*values)).T
X = [1,2,3]
Y = [4,5,6,7]
Z = mesh([X, Y])
result = np.multiply.reduce(Z, axis=2)
print(result)
产出
[[ 4 5 6 7]
[ 8 10 12 14]
[12 15 18 21]]
对于自定义函数,您可以使用np.frompyfunc:
def_mult = np.frompyfunc(lambda x, y: x * y, 2, 1)
result = def_mult.reduce(Z, axis=2)
print(result)
产出
[[4 5 6 7]
[8 10 12 14]
[12 15 18 21]]
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。