python – numpy.vectorize返回不正确的值

我在使用numpy.vectorize函数时遇到了一些问题.

我已经定义了一个适用于单个元素输入的函数,但矢量化版本返回不同的结果 – 我做错了什么?

码:

def c_inf_comp(z):
    if z>0:
        return np.exp(-1./(z*z))
    else:
        return 0


>>> x = np.array([-10., 10.])
>>> x
array([-10.,  10.])
>>> c_inf_comp(x[0])
0
>>> c_inf_comp(x[1])
0.99004983374916811
>>> vfunz = np.vectorize(c_inf_comp)
>>> vfunz(x)
array([0, 0])
因为在向量化函数时没有指定otype(输出数据类型),NumPy假定您要返回int32值的数组.

当给定x时,向量化函数vfunz首先看到-10.,返回整数0,因此决定返回数组的dtype应为int32.

要解决此问题,请将otype指定为np.float值:

vfunz = np.vectorize(c_inf_comp, otypes=[np.float])

然后,您获得预期的结果:

>>> vfunz(x)
array([ 0.        ,  0.99004983])

(或者,可以通过在c_inf_comp的else条件中返回浮点值来修复该问题,即返回0.0.这样,np.vectorize(c_inf_comp)生成的函数将返回浮点值数组,即使它看到负数数字第一.)

相关文章
相关标签/搜索