如何高效地将函数应用于 NumPy 数组？

Numpy 数组的向量化函数

要在 numpy 数组上有效地映射函数，您可以利用向量化的强大功能，它允许您对数组按元素执行操作。这比使用基于循环的方法（如列表推导式）要快得多。

NumPy 本机函数

如果您要映射的函数已经矢量化为 NumPy 函数，例如 np.square() 用于对元素进行平方，强烈建议使用它。它将比其他方法快得多。

使用 NumPy 的向量化进行向量化

NumPy 提供了向量化函数的向量化函数。它包装您的函数以在数组上启用按元素操作：

import numpy as np

def f(x):
    return x ** 2

vf = np.vectorize(f)
x = np.array([1, 2, 3, 4, 5])
squares = vf(x)

另一种选择是在不初始化函数包装器的情况下使用向量化：

squares = np.vectorize(f)(x)

其他向量化方法

其他矢量化方法include:

• np.fromiter()：迭代生成器并构造一个数组。
• np.array(list(map(f, x)))：使用地图function 对每个元素应用函数，然后转换为数组。

性能注意事项

虽然所有这些方法都可以向量化函数，但它们的性能可能会有所不同。基准测试表明，如果可用，使用 NumPy 的本机函数是最快的。对于其他情况，向量化和 fromiter 通常比 np.array(list(map(f, x))) 表现更好。

以上是如何高效地将函数应用于 NumPy 数组？的详细内容。更多信息请关注PHP中文网其他相关文章！