当前位置：文江博客话题详情

numpy 中 frompyfunc 和 vectorize 的区别

发布于 2024-11-25 11:00:08 字数 648 浏览 3 评论 0原文

向量化和frompyfunc ？

两者看起来非常相似。它们各自的典型用例是什么？

编辑：正如 JoshAdel 所指出的，vectorize 类似乎是基于 frompyfunc 构建的。（请参阅来源）。我仍然不清楚 frompyfunc 是否可能有任何 vectorize 未涵盖的用例......

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

和影子一齐双人舞 2024-12-02 11:00:08

正如 JoshAdel 指出的那样，vectorize 包装了frompyfunc。 Vectorize 添加了额外的功能：

从原始函数复制文档字符串
允许您从广播规则中排除参数。
返回正确 dtype 的数组，而不是 dtype=object

编辑： 经过一些简短的基准测试，我发现 vectorize 比 frompyfunc 慢得多（~50%） 对于大型数组。如果性能对您的应用程序至关重要，请首先对您的用例进行基准测试。

>>> a = numpy.indices((3,3)).sum(0)

>>> print a, a.dtype
[[0 1 2]
 [1 2 3]
 [2 3 4]] int32

>>> def f(x,y):
    """Returns 2 times x plus y"""
    return 2*x+y

>>> f_vectorize = numpy.vectorize(f)

>>> f_frompyfunc = numpy.frompyfunc(f, 2, 1)
>>> f_vectorize.__doc__
'Returns 2 times x plus y'

>>> f_frompyfunc.__doc__
'f (vectorized)(x1, x2[, out])\n\ndynamic ufunc based on a python function'

>>> f_vectorize(a,2)
array([[ 2,  4,  6],
       [ 4,  6,  8],
       [ 6,  8, 10]])

>>> f_frompyfunc(a,2)
array([[2, 4, 6],
       [4, 6, 8],
       [6, 8, 10]], dtype=object)

As JoshAdel points out, vectorize wraps frompyfunc. Vectorize adds extra features:

Copies the docstring from the original function
Allows you to exclude an argument from broadcasting rules.
Returns an array of the correct dtype instead of dtype=object

Edit: After some brief benchmarking, I find that vectorize is significantly slower (~50%) than frompyfunc for large arrays. If performance is critical in your application, benchmark your use-case first.

>>> a = numpy.indices((3,3)).sum(0)

>>> print a, a.dtype
[[0 1 2]
 [1 2 3]
 [2 3 4]] int32

>>> def f(x,y):
    """Returns 2 times x plus y"""
    return 2*x+y

>>> f_vectorize = numpy.vectorize(f)

>>> f_frompyfunc = numpy.frompyfunc(f, 2, 1)
>>> f_vectorize.__doc__
'Returns 2 times x plus y'

>>> f_frompyfunc.__doc__
'f (vectorized)(x1, x2[, out])\n\ndynamic ufunc based on a python function'

>>> f_vectorize(a,2)
array([[ 2,  4,  6],
       [ 4,  6,  8],
       [ 6,  8, 10]])

>>> f_frompyfunc(a,2)
array([[2, 4, 6],
       [4, 6, 8],
       [6, 8, 10]], dtype=object)

回复收藏 0 原文

弥繁 2024-12-02 11:00:08

我不确定每个用例的不同用例是什么，但如果您查看源代码（/numpy/lib/function_base.py），您会发现 vectorize 包装 来自pyfunc。我对代码的阅读主要是向量化正在对输入参数进行正确的处理。在某些特定情况下，您可能会更喜欢其中一种，但似乎 frompyfunc 只是 vectorize 的较低级别实例。