numpy中vectorize和frompyfunc之间有什么区别?
两者看起来非常相似。每个人的典型用例是什么?
编辑:正如JoshAdel所指出的,课程vectorize
似乎建立在frompyfunc
之上。 (见the source)。我仍然不清楚frompyfunc
是否可能有vectorize
未涵盖的任何用例......
答案 0 :(得分:15)
正如JoshAdel指出的,vectorize
包裹frompyfunc
。 Vectorize增加了额外的功能:
编辑经过一些简短的基准测试后,我发现大型数组的vectorize
明显慢于frompyfunc
(约为50%)。如果性能在您的应用程序中至关重要,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)
`
答案 1 :(得分:8)
我不确定每个用例的不同用例是什么,但如果查看源代码(/numpy/lib/function_base.py),您会看到vectorize
包裹{{1 }}。我对代码的阅读主要是frompyfunc
正在正确处理输入参数。在某些特定情况下,您可能更喜欢其中一个,但似乎vectorize
只是frompyfunc
的较低级别实例。
答案 2 :(得分:2)
虽然两种方法都为您提供了构建自己的 ufunc 的方法,但 numpy.frompyfunc 方法总是返回一个python对象,而您可以在使用时指定返回类型< em> numpy.vectorize 方法