だから、私は機能を持っています-
def function(x):
x , y = vector
return exp(((-x**2/200))-0.5*(y+0.05*(x**2) - 100*0.05)**2)
そして、次の点で評価したいとしましょう(最初の列はx値で、2番目の列はy値です)-
array([[-1.56113514, 4.51759732],
[-2.80261623, 5.068371 ],
[ 0.7792729 , 6.0169462 ],
[-1.35672858, 3.52517478],
[-1.92074891, 5.79966161],
[-2.79340321, 4.73430001],
[-2.79655868, 5.05361163],
[-2.13637747, 5.39255837],
[ 0.17341809, 3.60918261],
[-1.22712921, 4.95327158]])
つまり、関数の最初の行に値を渡して評価し、次に2番目の行に渡して評価するなどし、最終結果はこれらのポイントで評価された値の配列になります(つまり、10個の値で構成される配列) 。
そのため、たとえば、関数が2変量正規分布の場合、
def function2(x):
function2 = (mvnorm.pdf(x,[0,0],[[1,0],[0,1]]))
return function2
そして、私はこの関数に上記の値を渡しました、私は得るでしょう-
array([ 1.17738907e-05, 1.08383957e-04, 1.69855078e-04,
5.64757613e-06, 1.37432346e-05, 1.44032800e-04,
1.33426313e-05, 1.97822328e-06, 6.56121709e-08,
4.67076770e-05])
だから基本的に、私はそれができるように関数を書き換える方法を探しています。さらに、1つの変数のみの関数(つまり、xの関数のみ)として関数を保持したいと思います。
ご協力ありがとうございました!
np.apply_along_axis(function, 1, array)
最初の引数は関数、2番目の引数は関数が適用される軸です。あなたの場合、それは最初の軸です。もちろん、最後の引数は配列です。
ただし、apply_along_axis
は便利な機能であり、特効薬ではありません。ループを隠すだけなので、速度制限が厳しくなります。可能な場合は、常に計算をベクトル化するようにしてください。これを行う方法は次のとおりです。
v = array[:, 0] ** 2 # computing just once
return np.exp((-v / 200) - 0.5 * (array[:, 1] + 0.05 * v - 5) ** 2)
これを実現する方法はいくつかありますが、変更する必要があるのはx
とy
の割り当てだけです。 x,y = vector
は、vector
の最初の次元の長さが2の場合にのみ機能します。(vector.shape = 2,...
)。したがって、次のコマンドのいずれかを使用してベクターを簡単に変更できます。
x,y = vector.T #transpose the array
x,y = vector.swapaxes(0,1) #swap the axis 0 and 1
x,y = np.rollaxis(vector,1) #roll the axis 1 to the front
x,y = vector[:,0], vector[:,1] #slice asignement
あなたが一番好きなものを選ぶだけで、他の方法があるかもしれません(私はほとんど確信していますが、これで十分だと思います)。最後のものは断然最速であり、他のものは同等です。ただし、最後の欠点は、高次元で使用するのがそれほど簡単ではないことです。