python - 缩放复杂 numpy 数组的实部

我有一个复数向量(FFT 的结果)，我只想按另一个向量中的因子缩放复数的实部。
例子

cplxarr= np.array([1+2j, 3+1j, 7-2j])
factarr= np.array([.5, .6, .2])
# desired result of cplxarr * factarr :
# np.array([.5+2j 1.8+1j 1.4-2j])

(是的，这是关于在非常特定的环境中人类听觉频率响应。)
显然，与上述向量的乘法也会缩放虚部。
如何设置 factarr 以及需要进行哪些操作才能达到预期效果？如果可能的话，即不分离实部和虚部，缩放实部并重新组装为新的复数向量。

最佳答案

这样做:

>>> factarr*cplxarr.real + (1j)*cplxarr.imag
array([ 0.5+2.j,  1.8+1.j,  1.4-2.j])

不确定这是否是最好的方法。

事实证明，至少对我来说(OS-X 10.5.8，python 2.7.3，numpy 1.6.2)这个版本的速度大约是另一个使用 np.vectorize 的版本的两倍:

>>> from timeit import timeit
>>> timeit('factarr*cplxarr.real+(1j)*cplxarr.imag',setup='from __main__ import factarr,cplxarr')
21.008132934570312
>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import factarr,cplxarr; import numpy as np; f=np.vectorize(np.complex)')
46.52931499481201

使用 python 提供的 np.complex 和 complex 似乎没有太大区别:

>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import  factarr,cplxarr; import numpy as np; f=np.vectorize(complex)')
44.87726283073425

时间排名的当前领导者 (由 eryksun 在下面的评论中提出)

>>> timeit.timeit('a = cplxarr.copy(); a.real *= factarr ',setup='from __main__ import factarr,cplxarr')
8.336654901504517

并证明它有效:

>>> a = cplxarr.copy()
>>> a.real *= factarr
>>> a
array([ 0.5+2.j,  1.8+1.j,  1.4-2.j])

如果您想就地执行操作(因此可以关闭副本)，这显然会更快。

关于python - 缩放复杂 numpy 数组的实部，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13567089/