等）的最快方法

【问题标题】：Fastest way to vectorize Gaussian CDF (or erf/erfc/etc.) on PyPy (i.e. no SciPy)在 PyPy（即无 SciPy）上矢量化高斯 CDF（或 erf/erfc/等）的最快方法
【发布时间】：2016-06-05 07:28:39
【问题描述】：

我正在尝试在 PyPy 上评估大量高斯函数的 CDF，而使用 math.erf 执行此操作的速度很慢。

我在 PyPy 上没有 SciPy，所以我不能使用它。但是，我有 NumPy。

除了编写自己的 C 扩展之外，我在 PyPy 上执行此操作的最快方法是什么？

【问题讨论】：

标签： python numpy gaussian pypy cdf

【解决方案1】：

如果您有 numpy，您可以将误差函数制成表格，进行插值（np.interp 或 roll-your-own），然后使用 numpy 向量化操作一次计算多个值。

大致（这是在 CPython 上，我不确定 np.interp 是否适用于 numpypy），

>>> import math
>>> x = np.linspace(-3, 3, 101)    # example only, better use e.g. Chebyshev nodes
>>> y = [math.erf(_) for _ in x ]
>>> xval = [-0.1, 0.4, 0.9]
>>> np.interp(xval, x, y)
array([-0.11237943,  0.42808831,  0.79690821])

【讨论】：