是否有更快/更智能的方法对numpy数组的每个元素执行操作？我特别拥有的是日期时间对象列表，例如：
hh = np.array( [ dt.date(2000, 1, 1), dt.date(2001, 1, 1) ] )
要获取我现在所做的年份列表：
years = np.array( [ x.year for x in hh ] )
有更聪明的方法吗？我在想像
hh.year
这显然不起作用。
我有一个脚本，我需要不断变化的（更长的）阵列（年，月，小时......）。当然，我总是可以为所有内容定义一个单独的数组，但是应该有一个更优雅的解决方案。
答案 0 :(得分：2)
如果你为每个元素评估一个python表达式，那么迭代是用C ++还是用Python完成并不重要。重要的是评估（in-loop）表达式的python复杂性。这意味着：如果你的（in-loop）表达式需要1微秒（一个非常简单的脚本），那么它将比使用python迭代或C ++迭代（你在C ++和PyObjects之间有一个“编组”）之间的差异要困难得多，这也适用于python函数。
出于这个原因，调用vectorize是在Python中完成的：在里面调用的是python代码。 vectorize背后的想法是不性能，但是代码可读性和迭代的简易性：vectorize执行内省（函数的参数）并且很好地用于N维迭代（即lambda x,y: x+y自动用于迭代二维。）
所以：不，没有“快速”方式来迭代python代码。最重要的速度是内部python代码的速度。
修改：您的-desired- hh.year在groovy中看起来像hh*.year等效，但即使在引擎盖下也与内部代码迭代相同。理解是python中最快（和等效）的方式。真正的遗憾是被迫：
years = np.array( [ x.year for x in hh ] )
（这会强制你创建另一个可证明的巨大尺寸），而不是让你使用任何类型的迭代器：
years = np.array( x.year for x in hh )
编辑（@Jaime的建议）：您无法从迭代器中使用该函数构造array。为此，您必须使用：
np.fromiter(x.year for x in hh, dtype=int, count=len(x))
可以节省构建中间数组的时间和内存。这种精确的方法适用于任何序列，以避免内部列表创建（这将是您的情况）但不适用于其他类型的生成器，以备将来需要的情况。
答案 1 :(得分：0)
您可以使用numpy.vectorize。
进行一些基准测试，性能非常相似（vectorize比列表理解稍慢），在我看来numpy.vectorize(lambda j: j.year)(hh)（或类似的东西）看起来并不优雅。