向量化函数

自定义的 sinc 函数：

1import numpy as np
2
3def sinc(x):
4    if x == 0.0:
5        return 1.0
6    else:
7        w = np.pi * x
8        return np.sin(w) / w

作用于单个数值：

1sinc(0.0)

1.0

1sinc(3.0)

3.8981718325193755e-17

但这个函数不能作用于数组：

1x = np.array([1,2,3])
2sinc(x)

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-4-9d4f36f2aa7a> in <module>()
      1 x = np.array([1,2,3])
----> 2 sinc(x)


<ipython-input-1-dffe464e3332> in sinc(x)
      2 
      3 def sinc(x):
----> 4     if x == 0.0:
      5         return 1.0
      6     else:


ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

可以使用 numpy 的 vectorize 将函数 sinc 向量化，产生一个新的函数：

1vsinc = np.vectorize(sinc)
2vsinc(x)

array([  3.89817183e-17,  -3.89817183e-17,   3.89817183e-17])

其作用是为 x 中的每一个值调用 sinc 函数：

1import matplotlib.pyplot as plt
2%matplotlib inline
3
4x = np.linspace(-5,5,101)
5plt.plot(x, vsinc(x))

[<matplotlib.lines.Line2D at 0xa24e4e0>]

因为这样的用法涉及大量的函数调用，因此，向量化函数的效率并不高。