如何解决nump 向量化的试运行
当我运行一个用 numpy 向量化的函数时,它总是比我预期的多执行一次。因此,在实际调用开始之前,似乎有一个试运行。最近,我因此遇到了麻烦。请参阅以下最小示例:
import numpy as np
class PERSON:
def __init__(self,age):
self.age = age
class TIME:
def __init__(self):
self.ages = np.array([0,0])
def init_persons(self):
vec_init_persons = np.vectorize(self.__scalar_init_person)
self.persons = vec_init_persons(self.ages)
def __scalar_init_person(self,age):
return PERSON(age)
def let_time_pass(self):
vec_let_time_pass = np.vectorize(self.__scalar_let_time_pass)
vec_let_time_pass(self.persons)
def __scalar_let_time_pass(self,person):
person.age += 1
time = TIME()
time.init_persons()
time.let_time_pass()
print("Age of person 1: {}".format(time.persons[0].age)) # output is 2 not 1!
print("Age of person 2: {}".format(time.persons[1].age)) # output is 1
通常情况下,我会猜到,两个人的年龄都是 1。 所以我的问题是:
-
现在有人知道这次试运行的目的吗?对我来说,我似乎只是潜在麻烦的来源。
-
通过示例说明,pythonic 处理问题的方法是什么?
解决方法
来自文档
vectorized
的输出数据类型由调用决定
具有输入的第一个元素的函数。这是可以避免的
通过指定 otypes
参数。
提供 vectorize
函数主要是为了方便,而不是为了
表现。实现本质上是一个 for 循环。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。