使用 numpy.apply

Question

这段代码有什么问题？

import numpy as np
from scipy import stats

d = np.arange(10.0)
cutoffs = [stats.scoreatpercentile(d, pct) for pct in range(0, 100, 20)]
f = lambda x: np.sum(x > cutoffs)
fv = np.vectorize(f)

# why don't these two lines output the same values?
[f(x) for x in d] # => [0, 1, 2, 2, 3, 3, 4, 4, 5, 5]
fv(d)             # => array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

有什么想法吗？

Answer 1

cutoffs 是一个列表。从 d 中提取的数字全部转换为 float 并使用 numpy.vectorize 应用。 （这实际上很奇怪——看起来它首先尝试像你想要的那样工作的 numpy 浮点数，然后尝试正常的 Python 浮点数。）通过 Python 中相当奇怪、愚蠢的行为，浮点数总是小于列表，所以不要得到类似的东西

>>> # Here is a vectorized array operation, like you get from numpy. It won't
>>> # happen if you just use a float and a list.
>>> 2.0 > [0.0, 1.8, 3.6, 5.4, 7.2]
[True, True, False, False, False] # not real

为了

>>> # This is an actual copy-paste from a Python interpreter
>>> 2.0 > [0.0, 1.8, 3.6, 5.4, 7.2]
False

解决这个问题，你可以将 cutoffs 设为 numpy 数组而不是 list。 （您可能也可以将比较完全转移到 numpy 操作中，而不是用 numpy.vectorize 来伪造它，但我不知道。）