矢量化Python中的2维函数

我有一个Python函数f，这需要一对数字和返回他们的计算结果，比如说，x+y矢量化Python中的2维函数

def f(x,y): 
      return x+y

我怎么能向量化f，所以对于给定的向量x =（x1，...，xn）和Y =（y1，...，yn），f_vectorized（X，Y）返回f（x1，y1）的数组，f ，Y2）......？

EDIT

以上，x + y为一个例子，但实际计算比较复杂，所以通过把x和y如numpy的矢量不一定工作外的框。

来源

2016-01-11 zell

没有看到实际的代码，我们不能告诉你如何正确地向量化这个东西。使用列表解析或'np.vectorize'会牺牲NumPy的所有性能优势，这可能会导致1000倍左右的放缓。除非你的代码涉及循环，这些循环根本上需要执行多次，这取决于输入，像这样的东西应该是相当直接的矢量化。 – user2357112

如何使用numpy作为输入？

import numpy as np 

def f(x,y): 
    return x+y 

a = np.array([0,1,2,3]) 
b = np.array([1,2,3,4]) 

In [430]: f(a,b) 
Out[430]: array([1, 3, 5, 7])

编辑

对于更复杂的功能，你可以使用list comprehension andzip：

In [451]: [f(*par) for par in zip(a, b)] 
Out[451]: [1, 3, 5, 7]

EDIT2

或者当你在留言中提到您可以使用np.vectorize：

f_vec = np.vectorize(f) 

In [470]: f_vec([0, 1, 2, 3], [1, 2, 3, 4]) 
Out[470]: array([1, 3, 5, 7])

性能比较：

In [471]: %timeit f_vec([0, 1, 2, 3], [1, 2, 3, 4]) 
10000 loops, best of 3: 38.3 µs per loop 

In [472]: %timeit [f(*par) for par in zip([0, 1, 2, 3], [1, 2, 3, 4])] 
1000000 loops, best of 3: 1.8 µs per loop 

In [476]: %timeit list(map(f, [0, 1, 2, 3], [1, 2, 3, 4])) 
1000000 loops, best of 3: 1.51 µs per loop

所以，如果你有兴趣的表现，你应该使用zip和列表理解或map溶液@tglaria

来源

2016-01-11 21:05:37

哦，对不起，我只是以x + y为例。 f中的实际计算更复杂，因此您的工作可能无法正常工作。但你提供了一些好点。谢谢。 – zell

我只是意识到还有另一种选择：使用numpy.vectorize作为函数的注释。 – zell

当map（...）'已经返回一个列表时，为什么使用'list（map（...））'？ – tglaria

好建议，是不是应该地图用于这个？

def f(x,y): 
    return (x,y, x+y) 

print map(f,[0,1,2], [-1,0,-2]) 
>[(0, -1, -1), (1, 0, 1), (2, -2, 0)]

来源

2016-01-11 21:21:43 tglaria

矢量化Python中的2维函数

回答

相关问题