Numpy 数组组合的语法

Question

对于特定的应用程序，我做了一个 GUI 来操作一些数据（内部：numpy 1D 数组），并绘制它们。

最终用户可以在 UI 中选择绘制各种系列

a

、

b

、

c

。

现在我还需要允许 a

、

b

、

c 的 “自定义组合”。更准确地说，用户（不懂 Python/Numpy，但可以学习一些关键字）应该在 GUI 文本框中输入一个“公式”，然后我的程序应该将其转录为真正的 numpy 代码（可能使用

eval(...)

，这里很少有安全问题，因为最终用户是唯一的用户），并绘制数据。

最终用户输入示例：

a * 3 + 1.234 * c - d

a + b.roll(2)

a + b / b.max() * a.max()

例如，允许的语法是：基本算术（+ * - / 和括号）、浮点数、

a.max()

和

a.roll(3)

来移位数组。

问题：Numpy 或 Scipy 中是否有函数提供这样一种方法来用基本算术语法解释数组组合？

Answer 1

对于代数部分，您可以使用 numexpr 库可以利用它。例如，以下代码片段将起作用：

import numpy as np
import numexpr as ne

a = np.random.rand(10)
b = np.random.rand(10)
c = np.random.rand(10)
d = np.random.rand(10)

ne.evaluate("a * 3 + 1.234 * c - d")

遗憾的是，该库并没有立即涵盖其他两种情况，但这可以通过一些字符串解析轻松实现。包含所有功能的最终版本可能如下所示：

import numpy as np
import numexpr as ne
import re

a = np.random.rand(10)
b = np.random.rand(10)
c = np.random.rand(10)
d = np.random.rand(10)

def expression_eval(
    expression:str, a:np.array, b: np.array, c:np.array, d:np.array
) -> np.array:

    #Snippet to manage max values:
    a_max = a.max()
    b_max = b.max()
    c_max = c.max()
    d_max = d.max()

    for label in ["a", "b", "c", "d"]:
        expression = expression.replace(f"{label}.max()", f"{label}_max")

    #Snippet to manage rolling windows:
    pattern = r'(\w)\.roll\((\d+)\)'

    matches = re.findall(pattern, expression)
    if matches: roll_results = [(match[0], int(match[1])) for match in matches]
    else: roll_results = []

    rolls = {}

    for arr, window in roll_results:
        expression = expression.replace(f"{arr}.roll({window})", f"{arr}_roll_{window}")
        rolls[f"{arr}_roll_{window}"] = np.concatenate([
            vars()[arr][window:],
            np.zeros(window)
        ])

    return ne.evaluate(expression, global_dict=rolls)

#Evaluation:

expression_1 = "a * 3 + 1.234 * c - d"
expression_2 = "a + b / b.max() * a.max()"
expression_3 = "a + b.roll(3) + c.roll(2) + d.roll(4)"

print(f"{expression_1}\n{expression_eval(expression_1, a, b, c, d)}\n")
print(f"{expression_2}\n{expression_eval(expression_2, a, b, c, d)}\n")
print(f"{expression_3}\n{expression_eval(expression_3, a, b, c, d)}\n")

本质上，我们在评估代数表达式之前将变量的每个函数替换为其计算值。请注意，对于滚动窗口，我们可以使用具有更动态方法的字典来适应滚动窗口的多种可能性。