python - 在 numpy 数组上映射函数的最有效方法

Question

将函数映射到 numpy 数组的最有效方法是什么？我目前正在做:

import numpy as np 

x = np.array([1, 2, 3, 4, 5])

# Obtain array of square of each element in x
squarer = lambda t: t ** 2
squares = np.array([squarer(xi) for xi in x])

但是，这可能非常低效，因为我使用列表推导将新数组构造为 Python 列表，然后再将其转换回 numpy 数组。我们能做得更好吗？

Answer 1

我已经用 perfplot 测试了所有建议的方法以及 np.array(list(map(f, x))) (我的一个小项目)。

Message #1: If you can use numpy's native functions, do that.

如果您尝试向量化的函数已经 向量化(如原始帖子中的 x**2 示例)，则使用它 比其他任何东西都快(注意对数刻度):

如果您确实需要矢量化，那么您使用哪种变体并不重要。

---

重现情节的代码:

import numpy as np
import perfplot
import math


def f(x):
    # return math.sqrt(x)
    return np.sqrt(x)


vf = np.vectorize(f)


def array_for(x):
    return np.array([f(xi) for xi in x])


def array_map(x):
    return np.array(list(map(f, x)))


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


def vectorize(x):
    return np.vectorize(f)(x)


def vectorize_without_init(x):
    return vf(x)


b = perfplot.bench(
    setup=np.random.rand,
    n_range=[2 ** k for k in range(20)],
    kernels=[
        f,
        array_for,
        array_map,
        fromiter,
        vectorize,
        vectorize_without_init,
    ],
    xlabel="len(x)",
)
b.save("out1.svg")
b.show()