我是新来的 numba
并且似乎无法确定要传递给 vectorize
的参数.这是我想要做的:
test = [x for x in range(10)]
test2 = ['a', 'a', 'a', 'b', 'b', 'c', 'c', 'c', 'c', 'c']
test_df = pd.DataFrame({'test': test, 'test2': test2})
test_df['test3'] = np.where(test_df['test'].values % 2 == 0,
test_df['test'].values,
np.nan)
test test2 test3 test4
0 0 a 0.0 0.0
1 1 a NaN NaN
2 2 a 2.0 4.0
3 3 b NaN NaN
4 4 b 4.0 16.0
5 5 c NaN NaN
6 6 c 6.0 36.0
7 7 c NaN NaN
8 8 c 8.0 64.0
9 9 c NaN NaN
任务是基于以下逻辑创建一个新列,首先基于标准
pandas
:def nonnumba_test(row):
if row['test2'] == 'a':
return row['test'] * row['test3']
else:
return np.nan
使用
apply
;我知道我可以使用 np.where
更快地完成这项工作和 .values
Series
的属性对象,但想针对 numba
进行测试.test_df.apply(nonnumba_test, axis=1)
0 0.0
1 NaN
2 4.0
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
8 NaN
9 NaN
dtype: float64
接下来,当我尝试使用
numba.vectorize
时装饰师@numba.vectorize()
def numba_test(x, y, z):
if x == 'a':
return y * z
else:
return np.nan
我收到以下错误
numba_test(test_df['test2'].values,
test_df['test'].values,
test_df['test3'].values)
ValueError: Unsupported array dtype: object
我想我需要在
signature
中指定返回类型争论,但我似乎无法弄清楚。
最佳答案
问题是numba
不容易支持字符串( see here 和 see here )。
解决方案 是处理 bool 逻辑 if x=='a'
外numba装饰功能。如下修改您的示例(numba_test
和输入参数)会产生所需的输出(示例中最后两个块上方的所有内容均未更改):
from numba import vectorize, float64, int64, boolean
#@vectorize() will also work here, but I think it's best practice with numba to specify types.
@vectorize([float64(boolean, int64, float64)])
def numba_test(x, y, z):
if x:
return y * z
else:
return np.nan
# now test it...
# NOTICE the boolean argument, **not** string!
numba_test(test_df['test2'].values =='a',
test_df['test'].values,
test_df['test3'].values)
返回:
array([ 0., nan, 4., nan, nan, nan, nan, nan, nan, nan])
如预期的。
最后说明 :你会看到我在
vectorize
中指定了类型上面的装饰器。是的,这有点烦人,但我认为这是最佳实践,因为它可以让您像这样避免头疼:如果您指定了类型,您将无法找到字符串类型,而这将解决它。
关于python - numba.vectorize - 不支持的数组数据类型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48243370/