Определение векторизованной подписи Numpy - ValueError

1

Я пытаюсь использовать Python/Numpy векторизованные функции, чтобы уменьшить циклы.

Мой вызов функции выглядит так

out_vectors = v_calculation(
                            in_vectors,
                            p
)

Определение векторизованной функции

v_calculation = np.vectorize(
                     my_calculation,
                     signature='(j,i),(i)->()'
)

in_vectors - это массив формы

(3,6,200,3)

Но первые 2 измерения (3,6) могут быть любыми. Это размеры циклы.

р является массивом формы

(3,)

Мой расчет такой

def my_calculation(in_vector, p):
    """
    total magnetic field from Biot-Savart law
    """
    out_vector = np.zeros((3,))

    l_vector = in_vector[1:, :] - in_vector[:-1, :]
    r_vector = (in_vector[:-1, :] + l_vector / 2) - p

    out_vector = np.sum(np.cross(l_vector, r_vector) / \
                        np.linalg.norm(r_vector) ** 3,
                        axis=0
    )

    return out_vector

В этой функции in_vector является массивом формы (200, 3), а p - той же формой (3,). Форма out_vector - (3,). Это правильно.

out_vectors, результат векторизованной функции должен быть (6,3). Это должны быть результаты my_calculation, суммированные по первому измерению input_vectors (3 в данном случае) для каждого второго измерения input_vectors (6 в данном случае). Второе измерение результата - 3 (x, y, z компоненты для вектора), такое же, как измерение p и четвертое измерение input_vectors. Я надеюсь, что это все ясно.

Мой код терпит неудачу в вызове векторизованной функции

Трассировки стека

~/path/to/my/code.py in calculate_vectors(mgr)
    588         out_vectors = v_calculation(
    589                                 in_vectors,
--> 590                                 p
    591         )

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in __call__(self, *args, **kwargs)
   1970             vargs.extend([kwargs[_n] for _n in names])
   1971 
-> 1972         return self._vectorize_call(func=func, args=vargs)
   1973 
   1974     def _get_ufunc_and_otypes(self, func, args):

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in _vectorize_call(self, func, args)
   2036         """Vectorized call to 'func' over positional 'args'."""
   2037         if self.signature is not None:
-> 2038             res = self._vectorize_call_with_signature(func, args)
   2039         elif not args:
   2040             res = func()

~/miniconda/lib/python3.7/site-packages/numpy/lib/function_base.py in _vectorize_call_with_signature(self, func, args)
   2100 
   2101             for output, result in zip(outputs, results):
-> 2102                 output[index] = result
   2103 
   2104         if outputs is None:

ValueError: setting an array element with a sequence.
  • 0
    Быстрый комментарий - np.vectorize медленнее, чем более прямая итерация. А с подписью еще медленнее. Так что используйте это для удобства, а не для скорости. Также я не видел и не отвечал на многие вопросы, связанные с опцией signature . Это относительно новая функция.
  • 0
    Ошибка означает, что output[index] - это слот с одним элементом output массива, но result - это некий массив. Что говорит о том, что подпись не соответствует вашей функции. (Но я тоже не исследовал).
Показать ещё 3 комментария
Теги:
numpy
numpy-broadcasting
numpy-ufunc

1 ответ

0
Лучший ответ

Это работает для меня. Примечание. Я изменил подпись возврата, чтобы она соответствовала общему итоговому измерению обоих входов.

In [54]: A = np.arange(12).reshape(4,3); b = np.arange(3)                       
In [55]: my_calculation(A,b)                                                    
Out[55]: array([0., 0., 0.])
In [56]: f = np.vectorize(my_calculation, signature='(j,i),(i)->(i)')           
In [57]: f(A,b)                                                                 
Out[57]: array([0., 0., 0.])
In [58]: f([A,A,A],b)                                                           
Out[58]: 
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])
  • 0
    Спасибо, hpaulj. Это сработало именно так, как я хотел. Я, очевидно, думал о выводе неправильно, потому что я должен был ожидать массив размера (3,6,3).

Ещё вопросы

Сообщество Overcoder
Наверх
Меню