如何使用numpy数组对象的numpy数组执行numpy函数？

Question

假设我们有一个用于创建numpy数组对象的numpy数组的函数：

randarr = lambda shape: np.random.randint(0, 10, shape)
get_numpy_array_obj = lambda shapes: \
    np.array([randarr(shape) for shape in shapes])

以及数组的定义大小：

shapes = [(2, 3), (3, 4), (4, 2)]

由于数组的形状不同，numpy将其他数组视为对象。

现在，如果我们创建两个这样的数组

A = get_numpy_array_obj(shapes)
B = get_numpy_array_obj(shapes)

做简单的操作，如+，-，**等不是问题，例如：

C = A * B - (A + B)**2

当我想在tanh，exp等数组上应用numpy函数时，问题就出现了。

D = np.tanh(A)

这将向我返回以下错误：

AttributeError: 'numpy.ndarray' object has no attribute 'tanh'

我可以对每个数组逐个应用函数，如下所示

D = np.array([np.tanh(a) for a in A])

我的想法是写更少的代码和更多的可读性。

此外，np.vectorize(np.tanh)(A)也无法正常工作。这将返回：

ValueError: setting an array element with a sequence.

是否有其他可能的方法将numpy函数应用于numpy数组对象的数组？

Answer 1

In [99]: arr = np.array([np.ones(ij) for ij in [(1,3),(2,4),(3,2)]])
In [100]: arr
Out[100]: 
array([array([[1., 1., 1.]]),
       array([[1., 1., 1., 1.],
       [1., 1., 1., 1.]]),
       array([[1., 1.],
       [1., 1.],
       [1., 1.]])], dtype=object)

像'+‘这样的运算符之所以有效，是因为数组有相应的方法：

In [101]: arr[0].__add__
Out[101]: <method-wrapper '__add__' of numpy.ndarray object at 0xb64897a0>
In [102]: arr+arr
Out[102]: 
array([array([[2., 2., 2.]]),
       array([[2., 2., 2., 2.],
       [2., 2., 2., 2.]]),
       array([[2., 2.],
       [2., 2.],
       [2., 2.]])], dtype=object)

但是像np.tanh这样的函数没有数组方法。

frompyfunc将数组的元素传递给您的函数并返回一个对象数据类型数组。通常这很痛苦，但在这种情况下，这正是我们想要的：

In [103]: np.frompyfunc(np.tan,1,1)(arr)
Out[103]: 
array([array([[1.55740772, 1.55740772, 1.55740772]]),
       array([[1.55740772, 1.55740772, 1.55740772, 1.55740772],
       [1.55740772, 1.55740772, 1.55740772, 1.55740772]]),
       array([[1.55740772, 1.55740772],
       [1.55740772, 1.55740772],
       [1.55740772, 1.55740772]])], dtype=object)

vectorize也使用frompyfunc，但会尝试将结果转换为数字数组。我们可以通过指定一个otypes跳过这一步

In [104]: np.vectorize(np.tan,otypes='O')(arr)
Out[104]: 
array([array([[1.55740772, 1.55740772, 1.55740772]]),
       array([[1.55740772, 1.55740772, 1.55740772, 1.55740772],
       [1.55740772, 1.55740772, 1.55740772, 1.55740772]]),
       array([[1.55740772, 1.55740772],
       [1.55740772, 1.55740772],
       [1.55740772, 1.55740772]])], dtype=object)

对象数组迭代在速度上介于列表迭代和数值数组迭代之间。它有一些数组开销，但不是全部。元素是指针，就像在列表中一样。

frompyfunc可以比显式迭代快一点(高达2倍)。vectorize比较慢，因为它有一些开销。这些函数的最大优点是它们可以处理广播。做你自己的计时，看看它们是否有帮助。