在 meshgrid 上模拟 numpy 向量化函数

Question

这是关于如何使用numpy.meshgrid

的示例

x = np.arange(-5, 5, 0.1)
y = np.arange(-5, 5, 0.1)
xx, yy = np.meshgrid(x, y, sparse=True)
z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)

如果我有一个像上面的 xx、yy 这样的 meshgrid，但是我的函数是一个不是 vectorized、[=16= 的常规函数怎么办？ ]，例如，常规 math.sin 函数 ?

我知道我可以循环遍历 xx、yy 的 list of lists，但我想尝试模拟 vectorized 代码。

Answer 1

不在意速度的话可以用numpy.vectorize():

import numpy as np
x = np.arange(-5, 5, 0.1)
y = np.arange(-5, 5, 0.1)
xx, yy = np.meshgrid(x, y, sparse=True)
z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)

import math
def f(x, y):
    return math.sin(x**2 + y**2) / (x**2 + y**2)

np.allclose(np.vectorize(f)(xx, yy), z)

在 meshgrid 上模拟 numpy 向量化函数

Simulate numpy vectorized function on a meshgrid

numpy

numpy-ufunc

array-broadcasting