时间戳

首页 > 解决方案 > numpy 例程和 ndarray 方法之间的区别？

python - numpy 例程和 ndarray 方法之间的区别？

问题描述

使用 时numpy，通常可以在从numpyAPI 调用函数和从 调用函数之间进行选择ndarray，例如：

>>> import numpy as np
>>> array_ = np.array([True, False, True])
>>> np.any(array_)
True
>>> array_.any()
True

从功能上讲，这些似乎与我相同；他们是吗？它们在编程上是否不同？（例如性能/内存方面）

我尝试在有关ndarrays和routinesnumpy的参考手册中找到答案，但据我所知，没有给出任何解释。

标签： pythonnumpy

解决方案

首先要注意术语，所以这个例子的其余部分很清楚——np.any(arr)是一个函数；arr.any()在技​​术上是一个实例方法。

通常，顶级np.<function>(arr)函数是arr.

这是np.any()NumPy 版本 1.14.5 的来源，来自numpy.core.fromnumeric：

def any(a, axis=None, out=None, keepdims=np._NoValue):
    arr = asanyarray(a)
    kwargs = {}
    if keepdims is not np._NoValue:
        kwargs['keepdims'] = keepdims
    return arr.any(axis=axis, out=out, **kwargs)

NumPy 的其他版本（例如目前在 GitHub 上的那个）可能会使用“包装器工厂函数”，它实际上做同样的事情。另请参阅此Q/A 以获取类似的示例np.transpose()。一般来说，它归结为np.<function>(arr)某种形式getattr(arr, <function>)，至少对于fromnumeric.py.

就比较而言——你说的是使用顶级函数时会增加额外的开销，但这会带来一些额外的灵活性：例如，有一个对 的调用np.asanyarray(a)，这意味着你可以传递一个 Python 列表至于a功能。在我的电脑上，调用np.asanyarray(arr)需要 1/8 的时间arr.any()，所以在答案中注入一点意见，在两者之间进行选择可能不是首先考虑性能优化的地方。

推荐阅读