重载一个浮动到numpy的数组 [英] overloading a float to a numpy array

问题描述

我有一个函数，处理一维数组numpy的，像这样的：

I have a function, processing a 1D numpy array, like this:

def f(arr):
    arr=asarray(arr)
    #process data as numpy array
    #...
    return arr

使用 asarray 我允许调用函数列表作为 F（[4,5,6]）。现在，我想过载的说法也为单精度浮点，这样我就可以使用 F（4）而不是的F（[ 4]）。

With asarray I allow to call the function with a list as f([4,5,6]). Now, I would like to "overload" the argument also to a single float, so that I can use f(4) instead of f([4]).

这是一个标准的numpy的功能，因为你可以叫 np.sin 为罪（阵列（[4,5,6]）） ，或作为罪（[4,5,6]）或罪（4）为好。我想出了这个code，在简单情况下工作至少为：

This is a standard numpy feature, since you can call np.sin as sin(array([4,5,6])), or as sin([4,5,6]) or as sin(4) as well. I came up with this code, that works at least in simple cases:

def f(arr):
    arr=asarray(arr)
    if arr.shape is ():
        print 'arr is a single float/int/etc'
        arr = array([arr])
    #process data as numpy array
    #...
    return arr

时做此标准/正确的方式？

Is this the standard/correct way to do it?

推荐答案

我相信你正在寻找的 np.atleast_1d 。

I believe you are looking for np.atleast_1d.

>>> np.atleast_1d(5)
array([5])
>>> np.atleast_1d(np.arange(2))
array([0, 1])

这篇关于重载一个浮动到numpy的数组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！