python二维向量_python – 在多维numpy数组中快速迭代向量

我正在编写一些python numpy cython代码,并试图找到在数组上进行以下迭代的最优雅和有效的方法：

假设我有一个函数f(x,y),它采用形状(3,)的向量x和形状(10,)的向量y,并返回形状(10,)的向量.现在我有两个数组X和Y形状sx(3,)和sy(10,),其中sx和sy是两个可以一起广播的形状(即sx == sy,或者当轴不同时,一个两者的长度为1,在这种情况下将重复).我想生成一个形状为zs(10,)的数组Z,其中zs是带有sy的sx广播的形状. Z中的每个10维向量等于X和Y中相应位置处的向量x和y的f(x,y).

我查看了np.nditer,虽然它与cython一起运行很好(参见链接页面的底部),但它似乎不允许迭代来自多维数组的向量而不是元素.我也看了index grids,但问题是当索引的数量等于数组的维数时,cython索引只是快速的,并且存储为cython整数而不是python元组.

任何帮助是极大的赞赏！

解决方法:

您正在描述Numpy所谓的广义通用功能或gufunc.顾名思义,它是ufuncs的扩展.您可能希望从阅读这两个页面开始：

第二个例子使用Cython并在gufunc上有一些材料.要完全走下gufunc之路,您需要阅读numpy C API文档中的相应部分：

我不知道在Cython中编码gufuncs的任何例子,尽管遵循上面的例子并不难.如果你想看看用C编码的gufunc,你可以看看np.linalg here的源代码,虽然这可能是一个令人生畏的经历.前段时间我厌倦了我的本地Python用户组,给出了关于使用C扩展numpy的讨论,主要是关于在C中编写gufunc,该演讲的幻灯片和提供新gufunc的示例Python模块可以在here找到.

标签：python,arrays,numpy,iterator,cython