在numpy数组上映射函数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])
然而，这可能非常低效，因为我在将新数组转换回numpy数组之前，使用列表推导式将其构造为Python列表。我们能做得更好吗?
当前回答
squares = squarer(x)
数组上的算术运算以元素方式自动应用，高效的c级循环避免了适用于python级循环或理解的所有解释器开销。
您希望应用到NumPy数组elementwise的大多数函数都可以正常工作，尽管有些函数可能需要更改。例如，if不能在元素方面工作。你需要将它们转换为使用numpy.where这样的结构:
def using_if(x):
if x < 5:
return x
else:
return x**2
就变成了
def using_where(x):
return numpy.where(x < 5, x, x**2)
其他回答
就像在这篇文章中提到的，像这样使用生成器表达式:
numpy.fromiter((<some_func>(x) for x in <something>),<dtype>,<size of something>)
squares = squarer(x)
数组上的算术运算以元素方式自动应用，高效的c级循环避免了适用于python级循环或理解的所有解释器开销。
您希望应用到NumPy数组elementwise的大多数函数都可以正常工作，尽管有些函数可能需要更改。例如，if不能在元素方面工作。你需要将它们转换为使用numpy.where这样的结构:
def using_if(x):
if x < 5:
return x
else:
return x**2
就变成了
def using_where(x):
return numpy.where(x < 5, x, x**2)
使用numpy.fromfunction(function, shape， **kwargs)
看到“https://docs.scipy.org/doc/numpy/reference/generated/numpy.fromfunction.html”
似乎没有人提到在numpy包中生成ufunc的内置工厂方法:np.frompyfunc，我已经对np进行了测试。矢量化，并且比它的表现好大约20~30%。当然，它不能像规定的C代码或numba(我没有测试过)那样执行，但它是比np.vectorize更好的选择
f = lambda x, y: x * y
f_arr = np.frompyfunc(f, 2, 1)
vf = np.vectorize(f)
arr = np.linspace(0, 1, 10000)
%timeit f_arr(arr, arr) # 307ms
%timeit vf(arr, arr) # 450ms
我也测试了更大的样本，改进是成比例的。请在这里查看文档
编辑:原来的答案是误导性的，np。SQRT直接应用于数组，开销很小。
在多维情况下，您希望应用一个内建函数，操作1d数组numpy。Apply_along_axis是一个不错的选择，对于numpy和scipy中更复杂的函数组合也是如此。
先前的误导性陈述:
添加方法:
def along_axis(x):
return np.apply_along_axis(f, 0, x)
perfplot代码给出接近np.sqrt的性能结果。
