Eine Python-Funktion, die als Argument entweder ein skalares oder ein numpy Array akzeptiert

Question

Wie der Titel sagt, nehme ich an, dass ich eine Zeichenfunktion schreiben will (vergessen wir Zeichen (0)), offensichtlich erwarten wir sign (2) = 1 und sign (array ([- 2, -2,2])) = array ([- 1, -1,1]). Die folgende Funktion funktioniert jedoch nicht, da sie keine numpigen Arrays verarbeiten kann.

Die nächste Funktion wird auch nicht funktionieren, da x kein Formelement hat, wenn es nur eine einzelne Zahl ist. Selbst wenn ein Trick wie y = x * 0 + 1 verwendet wird, wird y keine [] -Methode haben.

def sign(x): 
    y = ones(x.shape) 
    y[x<0] = -1 
    return y 

Auch mit der Idee von einer anderen Frage (how can I make a numpy function that accepts a numpy array, an iterable, or a scalar?), wird die nächste Funktion nicht, wenn x eine einzelne Zahl ist, weil in diesem Fall x.shape und y.shape sind nur() und die Indizierung y illegal.

def sign(x): 
    x = asarray(x) 
    y = ones(x.shape) 
    y[x<0] = -1 
    return y 

Die einzige Lösung scheint entscheiden, dass der erste zu sein, wenn x ein Array oder eine Zahl ist, aber ich möchte wissen, ob es etwas besser ist. Das Schreiben von verzweigtem Code wäre umständlich, wenn Sie viele kleine Funktionen wie diese haben.

Answer 1

Ich frage mich, ob es eine vektorisiert Funktion ist, die Sie wollen:

>>> import numpy as NP 

>>> def fnx(a): 
     if a > 0: 
      return 1 
     else: 
      return -1 

>>> vfnx = NP.vectorize(fnx) 

>>> a = NP.random.randint(1, 10, 5) 
array([4, 9, 7, 9, 2]) 

>>> a0 = 7 

>>> vfnx(a) 
array([1, 1, 1, 1]) 

>>> vfnx(a0) 
array(1) 

Answer 2

Sie die Nummer auf eine Einzelelement-Array zuerst umwandeln kann,

und dann konzentrieren sich auf Arrays auf Betriebs .

Sie haben immer noch die Art von x zu überprüfen, obwohl

Answer 3

np.vectorize verwendet werden kann, um das zu erreichen, würden aber langsam sein, weil alle es tut, wenn Ihre eingerichtete Funktion mit einem Array genannt wird, durch das Array wird looping Elemente und wenden Sie die Skalarfunktion auf jeden an, dh nicht numpy Geschwindigkeit zu nutzen.

Verfahren I für Vektorisierung Funktionen nützlich Einbeziehung if-else np.choose verwendet, ist:

def sign_non_zero(x): 
    return np.choose(
     x > 0, # bool values, used as indices to the array 
     [ 
      -1, # index=0=False, i.e. x<=0 
      1, # index=1=True, i.e. x>0 
     ]) 

Dies funktioniert, wenn x entweder Skalar oder Array und ist schneller als in Python-Raum Looping.

Der einzige Nachteil der Verwendung von np.choose ist, dass es nicht intuitiv ist, If-Else-Logik auf diese Weise zu schreiben, und der Code ist weniger lesbar. Wann immer ich es verwende, füge ich Kommentare wie die oben genannten hinzu, um es dem Leser leichter zu machen, zu verstehen, was vor sich geht.

Answer 4

Hier ist eine Lösung:

>>> def sign(x): 
...  if type(x)==int: 
...   if x>0: return 1 
...   else: return -1 
...  else: 
...   x=np.array(x) 
...   pos=np.where(x>=0) 
...   neg=np.where(x<0) 
...   res=np.zeros(x.shape[0]) 
...   res[pos]=1 
...   res[neg]=-1 
...   return res.tolist() 
... 
>>> sign(56) 
1 
>>> sign(-556) 
-1 
>>> sign([23,4,-3,0,45,-3]) 
[1.0, 1.0, -1.0, 1.0, 1.0, -1.0] 
>>> sign(np.array([23,4,-3,0,45,-3])) 
[1.0, 1.0, -1.0, 1.0, 1.0, -1.0] 

Answer 5

Hier ist eine Lösung:

import numpy as np 

def sign(x): 
    y = np.ones_like(x) 
    y[np.asarray(x) < 0] = -1 

    if isinstance(x, np.ndarray): 
     return y 
    else: 
     return type(x)(y) 

Dies sollte einen Wert des gleichen Typs wie die Eingabe zurück. Zum Beispiel gibt sign(42)1, sign(42.0) ergibt 1.0. Wenn Sie ein NDarray geben, funktioniert es wie np.sign.

Im Allgemeinen können Sie mit der Annahme fortfahren, dass Ihre Eingabe ein ndarray ist.Wenn Sie versuchen, auf ein Attribut oder eine Methode zuzugreifen, die ein ndarray besitzt, aber Ihre Eingabe nicht, dann greifen Sie auf einen Skalartyp zurück. Verwenden Sie Ausnahmen, um dies zu implementieren. Zum Beispiel:

def foo_on_scalars(x): 
    # do scalar things 

def foo(x): 
    try: 
     # assume x is an ndarray 
    except AttributeError: 
     foo_on_scalars(x) 

Answer 6

Der Ansatz, den ich vor genommen haben viel wie Ihr letztes Beispiel ist, aber das Hinzufügen einer zusätzlichen Prüfung für Skalare am Anfang:

def sign(x): 
    if isscalar(x): 
     x = (x,) 
    x = asarray(x) 
    y = ones(x.shape) 
    y[x<0] = -1 
    return y 

Answer 7

einfache Lösung, die Skalare und numpy Arrays behandelt:

>>> import numpy as np 

>>> def sign_non_zero(x): 
     return (x > 0) * 1 + (x < 0) * -1 

>>> sign_non_zero(2) 
1 

>>> sign_non_zero(np.array([-2, -2, 2])) 
array([-1, -1, 1])