使用numpy映射具有多个输入的函数

Question

我试图高效地计算一个包含4个参数的python函数的多个实例，但是我找不到如何以不涉及本机python的slow for循环的方式将函数映射到多个输入值。在

下面是一个我只调用一次函数（即一次观察）的例子。在

from scipy.stats.mvn import mvnun

lower_bounds_one_obs = np.full(5, -1)
upper_bounds_one_obs = np.full(5,  1)

cov_mtx = np.eye(5)
means = np.zeros(5)

single_result = mvnun(lower_bounds_one_obs, upper_bounds_one_obs, means, cov_mtx)[0]

print(single_result)

为了考虑上下文，mvnun函数计算上下界之间多元正态分布的矩形CDF。在这个特定的例子中，上界和下界有5个元素。在

我要做的是计算一个下界和上界数组的mvnun，但总是使用相同的means和{}。在

换句话说，我想要两个主输入数组，lower_bounds和{}，它们都有shape（1000x5）。然后我要重复这个过程1000次，计算lower_bounds[0]和upper_bounds[0]，然后是{}和{}，如此类推，直到lower_bounds[999]和{}。在

在scipy的文档中，我发现我可以对这个函数进行矢量化/映射，但只限于上限，使下限固定。可以这样做：

^{pr2}$

这样，mvnun将使用一个固定的下界进行多次求值，并迭代upper_bound的所有1000行。在

有人知道如何调整上面的代码片段，这样我就可以使用一个下界的数组，而不是固定的下界？在

谢谢！在

附言：这个问题是对this的一点更新。这里也有一些有趣的见解here，但是它们提供的解决方案非常慢，因为它们使用常规的python循环。{a3}更多想法。在

Answer 1

仅供参考。 不确定它是否足够有效。在我的机器上，它比np.fromiter和python map结合起来要快一点。在

lower_bounds = np.full((1000,5), -np.inf)
upper_bounds = np.random.rand(1000, 5)

bounds = np.concatenate([lower_bounds, upper_bounds], axis=1)  
func1d = lambda bound: mvnun(bound[:5], bound[5:], means, cov_mtx)[0]
out = np.apply_along_axis(func1d, -1, bounds)