NumPy 배열에 함수를 매핑하는 가장 효율적인 방법은 무엇입니까?

NumPy 배열에 함수 매핑

소개

NumPy 배열에 함수를 매핑하려면 각 요소에 함수를 적용해야 합니다. 결과를 포함하는 새로운 배열을 얻기 위해 배열에 있습니다. 목록 이해 및 NumPy 배열로의 변환을 사용하여 질문에 설명된 방법은 간단하지만 가장 효율적인 접근 방식은 아닐 수 있습니다. 이 기사에서는 NumPy 배열에 함수를 효율적으로 매핑하는 다양한 방법을 살펴봅니다.

기본 NumPy 함수

적용하려는 함수가 이미 제곱근이나 로그와 같은 벡터화된 NumPy 함수인 경우 다음을 사용합니다. NumPy의 기본 기능을 직접 사용하는 것이 가장 빠른 옵션입니다.

import numpy as np

x = np.array([1, 2, 3, 4, 5])
squares = np.square(x)  # Fast and straightforward

배열 이해 및 맵

NumPy에서 벡터화되지 않은 사용자 정의 함수의 경우 배열 이해를 사용하는 것이 일반적으로 기존 루프를 사용하는 것보다 더 효율적입니다.

import numpy as np

def my_function(x):
    # Define your custom function

x = np.array([1, 2, 3, 4, 5])
squares = np.array([my_function(xi) for xi in x])  # Reasonably efficient

맵 기능도 사용할 수 있지만 배열보다 효율성이 약간 떨어집니다. 이해력:

import numpy as np

def my_function(x):
    # Define your custom function

x = np.array([1, 2, 3, 4, 5])
squares = np.array(list(map(my_function, x)))  # Slightly less efficient

np.fromiter

np.fromiter 함수는 특히 함수가 반복자를 생성하는 경우 함수 매핑을 위한 또 다른 옵션입니다. 그러나 배열 이해보다 약간 덜 효율적입니다.

import numpy as np

def my_function(x):
    # Define your custom function
    return iter([my_function(xi) for xi in x])  # Yields values as an iterator

x = np.array([1, 2, 3, 4, 5])
squares = np.fromiter(my_function(x), x.dtype)  # Less efficient, but works with iterators

벡터화

어떤 경우에는 NumPy의 벡터화 프레임워크를 사용하여 사용자 정의 함수를 벡터화하는 것이 가능합니다. 이 접근 방식에는 배열에 요소별로 적용할 수 있는 새로운 함수를 생성하는 작업이 포함됩니다.

import numpy as np

def my_function(x):
    # Define your custom function

x = np.array([1, 2, 3, 4, 5])
my_vectorized_function = np.vectorize(my_function)
squares = my_vectorized_function(x)  # Most efficient, but may not always be possible

성능 고려 사항

방법 선택은 배열 크기, 함수의 복잡성과 NumPy가 함수의 벡터화된 버전을 제공하는지 여부. 작은 배열과 간단한 함수의 경우 배열 이해 또는 맵으로 충분할 수 있습니다. 더 큰 배열이나 더 복잡한 함수의 경우 최적의 효율성을 위해 기본 NumPy 함수 또는 벡터화를 사용하는 것이 좋습니다.

위 내용은 NumPy 배열에 함수를 매핑하는 가장 효율적인 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!