在 NumPy 數組上映射函數的最有效方法是什麼？

探索NumPy 中的高效數組映射

在本次討論中，我們深入研究在NumPy 數組上映射函數的最有效方法。一種常見的方法是利用列表理解，然後轉換回 NumPy 數組：

import numpy as np 

x = np.array([1, 2, 3, 4, 5])
squarer = lambda t: t ** 2
squares = np.array([squarer(xi) for xi in x])

但是，由於中間 Python 列表的創建和轉換，這種方法可能會表現出低效率。讓我們探索可能提高性能的替代方法。

利用本機NumPy 函數

如果目標函數已在NumPy 中實現，則最好直接使用它，如下所示演示如下：

x ** 2

由於固有的最佳化，這種方法比其他方法快得多NumPy 的原生函數。

向量化函數

當所需函數不是 NumPy 原生函數時，向量化是一種強大的技術，可以按元素應用函數數組。這可以使用以下方法來完成：

vf = np.vectorize(f)
vf(x)

此方法為向量化操作提供了高效的實作。

使用fromiter()

fromiter()函數可用來建立一個迭代器，該迭代器根據提供的函數和陣列產生元素值：

np.fromiter((f(xi) for xi in x), x.dtype)

此方法特別適合從迭代器產生自訂數組元素。

表現比較

經驗測試顯示顯著的性能各種測繪方法之間的差異。如果函數在 NumPy 中進行向量化，則直接使用該函數在速度方面是無與倫比的。對於自訂函數，向量化或 fromiter() 通常比基於列表理解的方法具有顯著優勢。

結論

在 NumPy 陣列上映射函數的最有效方法取決於特定的功能和資料特徵。如果可能，強烈建議利用本機 NumPy 函數。向量化和 fromiter() 為自訂函數提供了有效的替代方案。效能測試對於確定給定場景的最佳方法至關重要。

以上是在 NumPy 數組上映射函數的最有效方法是什麼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！