Применить 2 функции массива к массиву в NumPy - PullRequest
Новая
       8

Применить 2 функции массива к массиву в NumPy

0 голосов
/ 29 октября 2019

Итак, у меня есть функция, которая принимает 2 массива и возвращает 2 числа с плавающей запятой. Но теперь мне нужно применить его для каждого 2xN подмассива в исходном. Это то, что у меня есть сейчас. 

import numpy as np

def least_square(x, y=None):
    print(x, y)
    if y is None:
        x, y = x
    k = (np.mean(x*y)-np.mean(x)*np.mean(y))/np.var(x)
    b = np.mean(y)-np.mean(x)*k
    return k, b

n1, t1, r1 = np.array([5, 5, 10, 10, 20, 20]), np.array([6.53, 6.56, 13.44, 13.53, 27.38, 27.72]), 6.5
n2, t2, r2 = np.array([5, 5, 10, 10, 20, 20]), np.array([7.53, 7.62, 15.41, 15.57, 30.62, 30.87]), 4.9
n3, t3, r3 = np.array([5, 5, 10, 10, 20, 20]), np.array([8.53, 8.75, 17.50, 17.62, 36.18, 36.07]), 3.9
n4, t4, r4 = np.array([5, 5, 10, 10, 8, 8]), np.array([10.8, 11.07, 19.47, 19.38, 16.03, 15.69]), 2.5
n5, t5, r5 = np.array([5, 5, 10, 10, 8, 8]), np.array([11.91, 11.65, 21.97, 22.50, 19.25, 19.53]), 2.2

n_s = np.array([n1, n2, n3, n4, n5])
t_s = np.array([t1, t2, t3, t4, t5])

T_ls = [least_square(x, y) for x, y in np.stack((n_s, t_s), axis=-2)]

Хотелось бы применить к этому массиву, чтобы функция получала пары массивов 6-длины. 

 print(np.stack((n_s, t_s), axis=-2))
    [[[ 5.    5.   10.   10.   20.   20.  ]
      [ 6.53  6.56 13.44 13.53 27.38 27.72]]

     [[ 5.    5.   10.   10.   20.   20.  ]
      [ 7.53  7.62 15.41 15.57 30.62 30.87]]

     [[ 5.    5.   10.   10.   20.   20.  ]
      [ 8.53  8.75 17.5  17.62 36.18 36.07]]

     [[ 5.    5.   10.   10.    8.    8.  ]
      [10.8  11.07 19.47 19.38 16.03 15.69]]

     [[ 5.    5.   10.   10.    8.    8.  ]
      [11.91 11.65 21.97 22.5  19.25 19.53]]]

Возвращает 

T_ls
[(1.401214285714286, -0.48750000000000426),
 (1.5419285714285704, -0.05249999999998778),
 (1.8357857142857141, -0.6424999999999947),
 (1.693552631578944, 2.422763157894762),
 (2.1261842105263162, 1.5009210526315755)]

Но я почти уверен, что есть лучший способ сделать это в NumPy.

1 Ответ

0 голосов
/ 29 октября 2019

Я не уверен, что вы подразумеваете под "лучшим способом", но я предпочитаю умножение матриц для нахождения наименьших квадратов. 

def least_square_v2(x, y=None):
    if y is None:
        x, y = x
    X = np.c_[np.ones(x.shape[0]), x]
    k = np.dot(np.linalg.inv(np.dot(X.T, X)), X.T)
    b = np.dot(k, y)
    return b

Метод умножения матриц также немного быстрее.

time функции opit 

355 µs ± 30.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

v2 timeit 

276 µs ± 16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
...