假设我有一个函数f(i,j,a)，它从2D-numPy数组a中获取行和列，并返回另一个2 x 2 numPy数组，其中i,j位于左上角b，即
def f(i,j,a):
b = a[np.arange(2)[:, np.newaxis] + i, np.arange(2) + j]
return b(The上述代码可以通过用某个其他数字替换2来推广）。我想通过定义f(i_array,j_array,a)来向量化这个过程，本质上是通过迭代i,j。这对于列表理解来说很简单：b_array = np.array([ f(i,j,a) for i in i_array, for j in j_array])。
有没有更有效的方法可以直接使用numPy函数/索引来实现这一点，或者列表理解是我能做的最好的方法？我知道np.vectorize可以做到这一点，但我不认为它比简单的列表理解更快。
1条答案
按热度按时间b4lqfgs41#
我想出来了（但我的解决方案有点不好，所以任何修改）将不胜感激）。我的代码看起来像：
在这里，我们利用广播来生成前一个矩阵的
np.array。i_matrix项取np.arange(2)，将其维数增加2，并使用广播将所有可能的i_transposed添加到2，从而形成(2, 1, 2)数组。j_matrix也是如此，只是它低了一个维度。然后我们使用numPy索引在grid[i_matrix, j_matrix]中广播。由于我们广播的方式，尺寸是错误的，所以我们必须使用np.swapaxes.通过将
np.arange(2)替换为您希望坐标具有的任何偏移量，这应该可以更普遍地工作。