我想如下定义使用np.piecewise
多元分段函数:
X = np.array([
[1, 2],
[3, 4],
[5, 6]
])
pw = np.piecewise(
X,
[
np.abs(X[:, 0] - X[:, 1]) < 1,
np.abs(X[:, 0] - X[:, 1]) >= 1
],
[
lambda X: 1 + 2 * X[:, 0] + 3 * X[:, 1],
lambda X: 1.5 + 2.5 * X[:, 0] + 3.5 * X[:, 1]
]
)
运行这段代码giives以下错误:
ValueError: shape mismatch: value array of shape (3,) could not be broadcast to indexing result of shape (3,2)
对于上下文,我试图表示映射f:R ^ 2 - > R的例子中,一次在每个X
的行的评价它。
任何想法?我需要不同的定义最终的参数,以便正确索引广播?
IMO np.piecewise
更适合,如果你从np.meshgrid
有两个数组,这样np.piecewise
可以与您的阵列尺寸符合条件的尺寸。
你的情况,来表示一个分段地图$ F:R ^ 2 \至R $与输入是形状(n,2)
的和由行计算行(表示变量中的每个列),以产生将被简单地使用np.select
量化代码的最简单的方法:
def pw(X):
return np.select([np.abs(X[:,0] - X[:,1]) < 1, np.abs(X[:,0] - X[:,1]) >= 1],
[1 + 2 * X[:, 0] + 3 * X[:, 1], 1.5 + 2.5 * X[:, 0] + 3.5 * X[:, 1]])
和pw(X)
得到你想要的答案。
通过使用结构化阵列I可以铸2D配制成1D之一:
In [76]: X = np.array([(1,2),(3,4),(5,6)],'f,f')
In [77]: X
Out[77]: array([(1., 2.), (3., 4.), (5., 6.)], dtype=[('f0', '<f4'), ('f1', '<f4')])
In [78]: pw = np.piecewise(
...: X,
...: [
...: np.abs(X['f0'] - X['f1']) < 1,
...: np.abs(X['f0'] - X['f1']) >= 1
...: ],
...: [
...: lambda X: 1 + 2 * X['f0'] + 3 * X['f1'],
...: lambda X: 1.5 + 2.5 * X['f0'] + 3.5 * X['f1']
...: ]
...: )
In [79]: pw
Out[79]:
array([(11., 11.), (23., 23.), (35., 35.)],
dtype=[('f0', '<f4'), ('f1', '<f4')])
这些数字是重复pw
因为piecewise
返回与相同的形状和D型细胞作为X
阵列,即使仅lambdas
返回标量值。