探索NumPy 中的高效數組映射
在本次討論中,我們深入研究在NumPy 數組上映射函數的最有效方法。一種常見的方法是利用列表理解,然後轉換回 NumPy 數組:
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])
但是,由於中間 Python 列表的創建和轉換,這種方法可能會表現出低效率。讓我們探索可能提高性能的替代方法。
利用本機NumPy 函數
如果目標函數已在NumPy 中實現,則最好直接使用它,如下所示演示如下:
x ** 2
由於固有的最佳化,這種方法比其他方法快得多NumPy 的原生函數。
向量化函數
當所需函數不是 NumPy 原生函數時,向量化是一種強大的技術,可以按元素應用函數數組。這可以使用以下方法來完成:
vf = np.vectorize(f) vf(x)
此方法為向量化操作提供了高效的實作。
使用fromiter()
fromiter()函數可用來建立一個迭代器,該迭代器根據提供的函數和陣列產生元素值:
np.fromiter((f(xi) for xi in x), x.dtype)
此方法特別適合從迭代器產生自訂數組元素。
表現比較
經驗測試顯示顯著的性能各種測繪方法之間的差異。如果函數在 NumPy 中進行向量化,則直接使用該函數在速度方面是無與倫比的。對於自訂函數,向量化或 fromiter() 通常比基於列表理解的方法具有顯著優勢。
結論
在 NumPy 陣列上映射函數的最有效方法取決於特定的功能和資料特徵。如果可能,強烈建議利用本機 NumPy 函數。向量化和 fromiter() 為自訂函數提供了有效的替代方案。效能測試對於確定給定場景的最佳方法至關重要。
以上是在 NumPy 數組上映射函數的最有效方法是什麼?的詳細內容。更多資訊請關注PHP中文網其他相關文章!