我怎样才能使一个接受numpy的阵列，可迭代，或者一个标量函数numpy的？ [英] how can I make a numpy function that accepts a numpy array, an iterable, or a scalar?

问题描述

假设我有这样的：

def incrementElements(x):
   return x+1

但我要修改它，以便它可以采取无论是numpy的阵列，可迭代，或者一个标量，促进了论证到numpy的数组，并添加1到每个元素。

but I want to modify it so that it can take either a numpy array, an iterable, or a scalar, and promote the argument to a numpy array and add 1 to each element.

我怎么能这样做呢？我想我可以测试参数类，但似乎像一个坏主意。如果我这样做：

How could I do that? I suppose I could test argument class but that seems like a bad idea. If I do this:

def incrementElements(x):
   return numpy.array(x)+1

它工作正常的阵列或iterables而不是标量。这里的问题是， numpy.array（X）标量点¯x产生一个由numpy的阵列包含一些奇怪的对象，但不是一个真正的数组;如果我添加一个标量它，结果被降级为标量。

it works properly on arrays or iterables but not scalars. The problem here is that numpy.array(x) for scalar x produces some weird object that is contained by a numpy array but isn't a "real" array; if I add a scalar to it, the result is demoted to a scalar.

推荐答案

您可以尝试

def incrementElements(x):
    x = np.asarray(x)
    return x+1

np.asarray（X）是 np.array相当于（X，复制= FALSE），这意味着一个标量或可迭代将被改造为 ndarray ，但如果 X 已经在 ndarray ，其数据将不会被复制。

np.asarray(x) is the equivalent of np.array(x, copy=False), meaning that a scalar or an iterable will be transformed to a ndarray, but if x is already a ndarray, its data will not be copied.

如果您通过一个标量并希望 ndarray 作为输出（不是标），你可以使用：

If you pass a scalar and want a ndarray as output (not a scalar), you can use:

def incrementElements(x):
    x = np.array(x, copy=False, ndmin=1)
    return x

的 ndmin = 1 参数将迫使阵列至少有一个尺寸。使用 ndmin = 2 至少2的尺寸，等等。您还可以使用它的等效 np.atleast_1d （或 np.atleast_2d 为2D版...）

The ndmin=1 argument will force the array to have at least one dimension. Use ndmin=2 for at least 2 dimensions, and so forth. You can also use its equivalent np.atleast_1d (or np.atleast_2d for the 2D version...)

这篇关于我怎样才能使一个接受numpy的阵列，可迭代，或者一个标量函数numpy的？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！