时间戳

首页 > 解决方案 > NumPy：可让我访问数组的“vectorize”的替代方案

python - NumPy：可让我访问数组的“vectorize”的替代方案

问题描述

我有这个代码：

output_array = np.vectorize(f, otypes='d')(input_array)

我想用这段代码替换它，它应该给出相同的输出：

output_array = np.ndarray(input_array.shape, dtype='d')
for i, item in enumerate(input_array):
    output_array[i] = f(item)

我想要第二个版本的原因是我可以output_array在一个单独的线程中开始迭代，同时计算它。（是的，我知道 GIL，这部分已经处理好了。）

不幸的是，for循环非常慢，即使我没有在单独的线程上处理数据。我在我的目标平台 CPython 和 PyPy3 上对它进行了基准测试。在 CPython 上比 慢 3 倍vectorize，在 PyPy3 上比vectorize!慢 67 倍。

尽管 Numpy 文档说“vectorize提供该函数主要是为了方便，而不是为了性能。实现本质上是一个 for 循环”。

知道为什么我的实现很慢，以及如何快速实现仍然允许我output_array在完成之前使用吗？

标签： pythonnumpypypy

解决方案

Sebastian Berg 给了我一个解决方案。迭代输入数组中的项目时，使用item.item()而不仅仅是item. 这会将numpy.float64对象变成普通的 Python 浮点数，让一切变得更快并解决我的特定问题:)

推荐阅读