Question

在Numpy Array上应用分段函数的有效（速度）方法是什么？

比方说，例如，分段函数就像

For (1) :  x<=2 f(x) = 2*x + x^2
    (2) :  x>2  f(x) = -(x^2 + 2)

这就是我的所作所为。

data = np.random.random_integers(5, size=(5,6))
print data
np.piecewise(data, [data <= 2, data > 2],
             [lambda x: 2*x + pow(2, x),
              lambda x: -(pow(x, 2) + 2)])

data = 
[[4 2 1 1 5 3]
 [4 3 3 5 4 5]
 [3 2 4 2 5 3]
 [2 5 4 3 1 4]
 [5 3 3 5 5 5]]
output = 
array([[-18,   8,   4,   4, -27, -11],
       [-18, -11, -11, -27, -18, -27],
       [-11,   8, -18,   8, -27, -11],
       [  8, -27, -18, -11,   4, -18],
       [-27, -11, -11, -27, -27, -27]])

对于较小的数组，大型数组，许多函数等，是否有一种有效的方法？我担心的是使用lambda函数。不确定这些是否是Numpy优化的。

Answer 1

在这种情况下，您不应该关注lambdas：Numpy优化是关于通过让函数在批处理中同时评估许多值来减少调用开销。在每次调用np.piecewise时，funclist（函数部分）中的每个函数都只调用一次，其中numpy数组由适当条件为真的所有值组成。因此，这些lambda是以numpy优化的方式调用的。

类似的是np.select（和np.where正好两部分）。调用开销与以相同方式进行矢量化相同，但它将评估所有数据点的所有函数。因此，它将比np.piecewise慢，特别是当功能昂贵时。在某些情况下，更方便（没有lambda），并且可以更容易地将概念扩展到许多变量。

Numpy Arrays上的分段函数

1 个答案: