Python-在numpy数组上映射函数的最有效方法

Question

在numpy数组上映射函数的最有效方法是什么？我在当前项目中所做的工作如下：

import numpy as np 

x = np.array([1, 2, 3, 4, 5])

# Obtain array of square of each element in x
squarer = lambda t: t ** 2
squares = np.array([squarer(xi) for xi in x])

但是，这似乎效率很低，因为我正在使用列表推导将新数组构造为Python列表，然后再将其转换回numpy数组。

Answer 1

我测试过的所有建议的方法，加上np.array(map(f, x))与perfplot（我的一个小项目）。

消息1：如果可以使用numpy的本机函数，请执行此操作。

如果你想已经矢量化功能的矢量（如x**2在原岗位的例子），使用的是多比什么都更快（注意对数标度）：

如果你确实需要向量化，那么使用哪种变体并不重要。

复制剧情的代码：

import numpy as np
import perfplot
import math


def f(x):
    # return math.sqrt(x)
    return np.sqrt(x)


vf = np.vectorize(f)


def array_for(x):
    return np.array([f(xi) for xi in x])


def array_map(x):
    return np.array(list(map(f, x)))


def fromiter(x):
    return np.fromiter((f(xi) for xi in x), x.dtype)


def vectorize(x):
    return np.vectorize(f)(x)


def vectorize_without_init(x):
    return vf(x)


perfplot.show(
    setup=lambda n: np.random.rand(n),
    n_range=[2**k for k in range(20)],
    kernels=[
        f,
        array_for, array_map, fromiter, vectorize, vectorize_without_init
        ],
    xlabel='len(x)',
    )