高效的 Numpy 数组映射策略
当涉及到 Numpy 数组上的映射函数时,性能效率至关重要。出现了一个基本问题:“映射操作最有效的方法是什么?”
低效方法:Python 列表理解
问题中提供的示例使用了一个列表理解:
squares = np.array([squarer(xi) for xi in x])
虽然这种方法有效,但由于从 a 的中间转换,它具有固有的低效率。 Python列表返回Numpy数组。
优化策略
测试各种方法,出现最佳解决方案:
1.使用内置 Numpy 函数:
如果您要映射的函数已在 Numpy 中进行矢量化(例如 x^2),则直接使用它可提供卓越的性能:
squares = x ** 2
2。使用 numpy.vectorize 进行矢量化:
对于自定义函数,使用 numpy.vectorize 进行矢量化显示出显着的速度提升:
f = lambda x: x ** 2 vf = np.vectorize(f) squares = vf(x)
3。 numpy.fromiter:
此方法从函数创建迭代器,并使用 numpy.fromiter 高效构造 Numpy 数组:
squares = np.fromiter((squarer(xi) for xi in x), x.dtype)
4。 numpy.array(list(map(...)):
另一个优化的替代方案是使用map,然后将其转换为Numpy数组:
squares = np.array(list(map(squarer, x)))
进行的基准测试使用 perfplot 证明这些优化方法明显优于原始列表理解方法。
以上是在 NumPy 数组上映射函数的最有效方法是什么?的详细内容。更多信息请关注PHP中文网其他相关文章!

文章讨论了由于语法歧义而导致的Python中元组理解的不可能。建议使用tuple()与发电机表达式使用tuple()有效地创建元组。(159个字符)

本文解释了Python中的模块和包装,它们的差异和用法。模块是单个文件,而软件包是带有__init__.py文件的目录,在层次上组织相关模块。

文章讨论了Python中的Docstrings,其用法和收益。主要问题:Docstrings对于代码文档和可访问性的重要性。

本文讨论了Python中的“ Pass”语句,该语句是函数和类等代码结构中用作占位符的空操作,允许在没有语法错误的情况下实现将来实现。

文章在Python中讨论 /和//运营商: / for for True Division,//用于地板部门。主要问题是了解它们的差异和用例。Character数量:158


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

WebStorm Mac版
好用的JavaScript开发工具

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境

SublimeText3汉化版
中文版,非常好用

PhpStorm Mac 版本
最新(2018.2.1 )专业的PHP集成开发工具