Apakah Cara Paling Cekap untuk Memetakan Fungsi Berbanding Tatasusunan NumPy?

Menerokai Pemetaan Tatasusunan Cekap dalam NumPy

Dalam perbincangan ini, kita menyelidiki kaedah yang paling berkesan untuk memetakan fungsi melalui tatasusunan NumPy. Satu pendekatan biasa melibatkan penggunaan pemahaman senarai diikuti dengan penukaran kembali kepada tatasusunan NumPy:

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])

Walau bagaimanapun, pendekatan ini mungkin menunjukkan ketidakcekapan disebabkan penciptaan dan penukaran senarai Python perantaraan. Mari kita terokai kaedah alternatif yang berpotensi menawarkan prestasi yang lebih baik.

Memanfaatkan Fungsi NumPy Asli

Jika fungsi sasaran sudah dilaksanakan dalam NumPy, adalah optimum untuk menggunakannya secara langsung, sebagai ditunjukkan oleh:

x ** 2

Pendekatan ini jauh lebih pantas daripada kaedah lain kerana pengoptimuman yang wujud bagi fungsi asli NumPy.

Fungsi Penvektoran

Apabila fungsi yang diingini bukan asli kepada NumPy, vektorisasi ialah teknik berkuasa yang membolehkan aplikasi elemen fungsi -bijak kepada tatasusunan. Ini boleh dicapai menggunakan:

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

Pendekatan ini menawarkan pelaksanaan yang cekap untuk operasi vektor.

Menggunakan fromiter()

The fromiter() fungsi boleh digunakan untuk mencipta iterator yang menjana elemen berdasarkan fungsi dan tatasusunan yang disediakan nilai:

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

Pendekatan ini amat sesuai untuk menjana elemen tatasusunan tersuai daripada iterator.

Perbandingan Prestasi

Ujian empirikal mendedahkan prestasi yang ketara perbezaan antara pelbagai kaedah pemetaan. Jika fungsi divektorkan dalam NumPy, penggunaan langsung fungsi itu tiada tandingan dari segi kelajuan. Untuk fungsi tersuai, vektorisasi atau fromiter() selalunya memberikan kelebihan yang besar berbanding kaedah berasaskan pemahaman senarai.

Kesimpulan

Pendekatan paling berkesan untuk memetakan fungsi berbanding tatasusunan NumPy bergantung pada fungsi tertentu dan ciri data. Jika boleh, memanfaatkan fungsi NumPy asli amat disyorkan. Vektorisasi dan fromiter() menawarkan alternatif yang cekap untuk fungsi tersuai. Ujian prestasi adalah penting untuk menentukan kaedah optimum untuk senario tertentu.

Atas ialah kandungan terperinci Apakah Cara Paling Cekap untuk Memetakan Fungsi Berbanding Tatasusunan NumPy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!