Mapping elementweise ein NumPy Array in ein Array von mehreren Dimensionen

Question

ich eine numpy.array von NxM zu NxMx3 zuordnen möchten, wo ein Vektor aus drei Elementen eine Funktion der ursprünglichen Eintrag:

lambda x: [f1(x), f2(x), f3(x)] 

jedoch Dinge wie numpy.vectorize nicht erlauben, Dimensionen zu ändern. Sicher, ich kann ein Array von Nullen erstellen und eine Schleife (and it is what I am doing by now), aber es klingt weder Pythonic noch effizient (wie jede Schleife in Python).

Gibt es eine bessere Möglichkeit, eine elementweise Operation für numpy.array auszuführen, die für jeden Eintrag einen Vektor erzeugt?

Answer 1

Jetzt, wo ich den Code zu sehen, die für die meisten einfachen mathematischen Operationen können Sie lassen numpy den Looping zu tun, was als Vektorisierung bezeichnet wird oft:

def complex_array_to_rgb(X, theme='dark', rmax=None): 
    '''Takes an array of complex number and converts it to an array of [r, g, b], 
    where phase gives hue and saturaton/value are given by the absolute value. 
    Especially for use with imshow for complex plots.''' 
    absmax = rmax or np.abs(X).max() 
    Y = np.zeros(X.shape + (3,), dtype='float') 
    Y[..., 0] = np.angle(X)/(2 * pi) % 1 
    if theme == 'light': 
     Y[..., 1] = np.clip(np.abs(X)/absmax, 0, 1) 
     Y[..., 2] = 1 
    elif theme == 'dark': 
     Y[..., 1] = 1 
     Y[..., 2] = np.clip(np.abs(X)/absmax, 0, 1) 
    Y = matplotlib.colors.hsv_to_rgb(Y) 
    return Y 

Dieser Code sollte viel schneller als Ihres laufen.

Answer 2

Wenn ich Ihr Problem richtig verstehe, ich schlage vor, Sie verwenden np.dstack:

Docstring: 
Stack arrays in sequence depth wise (along third axis). 

Takes a sequence of arrays and stack them along the third axis 
to make a single array. Rebuilds arrays divided by `dsplit`. 
This is a simple way to stack 2D arrays (images) into a single 
3D array for processing. 

---

In [1]: a = np.arange(9).reshape(3, 3) 

    In [2]: a 
    Out[2]: 
    array([[0, 1, 2], 
      [3, 4, 5], 
      [6, 7, 8]]) 

    In [3]: x, y, z = a*1, a*2, a*3 # in your case f1(a), f2(a), f3(a) 

    In [4]: np.dstack((x, y, z)) 
    Out[4]: 
    array([[[ 0, 0, 0], 
      [ 1, 2, 3], 
      [ 2, 4, 6]], 

      [[ 3, 6, 9], 
      [ 4, 8, 12], 
      [ 5, 10, 15]], 

      [[ 6, 12, 18], 
      [ 7, 14, 21], 
      [ 8, 16, 24]]])