1樓：腦殼彩虹風暴幻者
這個方法確實把很多邏輯都濃縮了 :)
舉乙個官方給的例子:
np.fromfunction(lambda i, j: i == j, (3, 3), dtype=int)
1.function: lamba i,j: i == j
表示傳入兩個shape相同的array1, array2, 判斷array1[id1, id_2]和array2[id1, id_2]上的元素是否相等，輸入判斷結果為乙個(3, 3)的array
2.(3, 3)
表示定義兩個array, 每個array的shape都為(3, 3)
第乙個array是沿著第一軸方向，按照np.arange(3)產生元素且元素dtype為int
第二個array是沿著第二軸方向，按照np.arange(3)產生元素且元素dtype為int
官方給的解答太抽象了，希望以上解答有助於理解~
2樓：nicekwell
np.fromfunction(func, )
對於這個函式，很多人都認為fromfunction是把後面傳入的shape的各個座標迭代進func，然而並不是這樣的。
比如9x9乘法表：
deffunc(i
,j):return(i
+1)*
(j+1
)np.fromfunction
(func,(
9,9))
看起來像是依次把 i, j 從0開始依次迭代，用函式計算出每個座標的值。如果真的是這樣的話我們應當可以在函式中加入判斷的：
deffunc(i
,j):if
i>=j:
return(i
+1)*
(j+1
)else
:return
0然而實際這樣做的話會報錯誤：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.
any() or a.all()
什麼原因呢？那是因為傳入的 i 和 j 並不是數值，而是陣列！
具體是怎麼回事呢？我直接說結論吧：
1、並沒有各個座標迭代多次呼叫函式，實際上只呼叫了一次函式。
2、傳入的引數是各個維度的座標陣列。例如shape是9x9的陣列，傳入的第乙個引數是：
[[ 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[ 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[ 2. 2. 2. 2. 2. 2. 2. 2. 2.]
[ 3. 3. 3. 3. 3. 3. 3. 3. 3.]
[ 4. 4. 4. 4. 4. 4. 4. 4. 4.]
[ 5. 5. 5. 5. 5. 5. 5. 5. 5.]
[ 6. 6. 6. 6. 6. 6. 6. 6. 6.]
[ 7. 7. 7. 7. 7. 7. 7. 7. 7.]
[ 8. 8. 8. 8. 8. 8. 8. 8. 8.]]
第二個引數是：
[[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8.]]
並沒有多次呼叫函式，而是通過一次呼叫，直接傳入的是各個維的座標陣列。
3、傳入各個維的座標陣列之後，剩下的就是陣列計算了。
比如 9*9 乘法口訣表，用 (i+1)*(j+1) 可以得到乙個9*9的乘法口訣表陣列。但注意這個口訣表是通過陣列計算得到的，而不是座標迭代。
3樓：
將乙個範圍內的座標代入前面定義的函式中，
fromfunction 的第二個引數既定義座標的範圍，也定義輸出array的shape
比如 （2， 3， 4） 相當於x, y, z,座標的範圍是 2 即(0,1)，3 即(0,1,2)， 4 即(0,1,2,3)
同時輸出的array的shape 也是（2，3，4）將座標代入函式，執行後，輸出
嗯，就是這樣
4樓：
numpy.fromfunction(function, shape, **kwargs)
Docstring:
Construct an array by executing a function over each coordinate.
The resulting array therefore has a value ``fn(x, y, z)`` at coordinate ``(x, y, z)``.
Parameters
function : callable
The function is called with N parameters, where N is the rank of`shape`. Each parameter represents the coordinates of the array varying along a specific axis. For example, if `shape` were ``(2, 2)``, then the parameters in turn be (0, 0), (0, 1),(1, 0),(1, 1).
shape : (N, ) tuple of ints
Shape of the output array, which also determines the shape of the coordinate array passed to `function`.
dtype : data-type, optional
Data-type of the coordinate arrays passed to `function`. By default, `dtype` is float.
fromfunction : any
The result of the call to `function` is passed back directly. Therefore the shape of `fromfunction` is completely determined by `function`. If `function` return a scalar value, the shape of `fromfunction` would match the `shape` parameter.
無恥的分割線
好吧！其實我是複製的幫助文件。可恥地匿名。
Numpy 的輸入與輸出整理 Datawhale
Cola 珂珂珂 為時不晚 我數學從四年級開始沒及格過 天無絕人之路，理科不好文科可以努力，你要是真的門門不及格，那你該想想自己的原因，是天生智力不夠，還是後天不努力，付出總比不付出得到的會更值得。 xx xx 小學和初中學習不好意味著1 基礎差 2 學習習慣和自控力不好 3 學習方法問題。這些要在...
python的numpy的淺拷貝的作用是什麼？
泰克尼客 NumPy的淺拷貝用來讓不同的ndarray物件共享資料區，一是為了減少記憶體的消耗，二是為了減少拷貝次數，提公升效能。要知道，很多時候都會使用NumPy來操作大型的矩陣，拷貝的消耗是巨大的。另外，a b這種操作根本就不是淺拷貝，Python裡的賦值操作傳遞的是引用，這句話的意思是讓 a和...
python的numpy向量化語句為什麼會比for快？
雲中客 Numpy運算是向量化的，進行是CPU指令集層面的並行運算，for迴圈是序列運算，效率肯定差多了。想象一下，乙個大矩陣做運算，for迴圈是一次提取兩個值，放入記憶體運算後返回結果，再提取2個再運算返回結果，如果迴圈。Numpy是一次性把所有值都提入記憶體同時運算同時返回結果，效率肯定不一樣。...