Numpy - 以向量形式编写函数？答案

【问题标题】：Numpy - writing a function in vector form?Numpy - 以向量形式编写函数？
【发布时间】：2021-01-10 14:52:48
【问题描述】：

我对 NumPy（或 SciPy）很陌生，并且来自 Octave/Matlab，这对我来说似乎有点挑战。

我正在阅读文档并编写一些基本功能。我遇到了这个部分：Vectorizing functions (vectorize)

它定义了这个函数：

def addsubtract(a, b):
   if a > b:
       return a - b
   else:
       return a + b

然后向量化它：

vec_addsubtract = np.vectorize(addsubtract)

但最后，它说：

这个特殊的函数可以不用vectorize就可以写成向量形式。

我不知道有任何其他方法可以编写这样的函数。那么什么是向量形式呢？

【问题讨论】：

this 对您有帮助吗？
检查NumPy for MATLAB users。如果您有 NumPy 数组，则可以像使用 MATLAB 中的数组（矩阵）一样使用它们。大多数 NumPy 操作已经在整个数组上工作，因此不需要（额外）对任何东西进行矢量化。
在这样的介绍中引入np.vectorize 可能不是一个好主意。我看到太多来自初学者的 SO 问题因为试图使用它而误入歧途。实际上 numpy's 整个数组的功能与 Octave 的非常相似。

【解决方案1】：

np.vectorize 是一个美化的 python for 循环，这意味着它有效地去除了 numpy 提供的任何优化。

要真正矢量化 addsubtract，我们可以利用 numpy 提供三样东西的事实：矢量化 add 函数、矢量化 subtract 函数以及各种布尔掩码操作。

最简单但效率最低的编写方法是使用np.where：

np.where(a > b, a - b, a + b)

这是低效的，因为它在所有情况下预先计算a - b和a + b，然后为每个元素从一个或另一个中进行选择。

更有效的解决方案只计算条件需要的值：

result = np.empty_like(a)
mask = a > b
np.subtract(a, b, where=mask, out=result)
np.add(a, b, where=~mask, out=result)

对于非常小的数组，复杂方法的开销使其不值得。但对于大型数组，这是最快的解决方案。

有趣的事实：您所引用的教程中的页面在 SciPy 教程的未来版本中将不可用，因为它是 NumPy 的介绍，如 PR #12432 中所述。 p>

【讨论】：

【解决方案2】：

您可以使用 np.where 执行此操作，它会计算两个结果（a-b 和 a+b）并根据布尔数组（a>b）选择值：

def addsubtract(a, b):
    return np.where(a>b, a-b, a+b)

可以看成一个向量化的三元运算符：“where a>b,取a-b的值，else取a+b的值”。

尽管计算了两种可能的结果，但它比您编写的向量化 if/else 函数快得多（至少在我的机器上）。

【讨论】：