python - numpy中frompyfunc和vectorize的区别

Question

vectorize 和有什么区别？和 frompyfunc在 numpy 中？

两者看起来非常相似。它们各自的典型用例是什么？

Edit:正如 JoshAdel 所指出的，vectorize 类似乎是建立在 frompyfunc 之上的。 (见 the source)。我仍然不清楚 frompyfunc 是否可能有任何 vectorize...

未涵盖的用例

Answer 1

正如 JoshAdel 指出的那样，vectorize 包装了 frompyfunc。 Vectorize 增加了额外的功能:

• 从原始函数复制文档字符串
• 允许您从广播规则中排除参数。
• 返回正确 dtype 的数组，而不是 dtype=object

编辑:经过一些简短的基准测试，我发现对于大型数组，vectorize 比 frompyfunc 慢得多(~50%)。如果性能对您的应用程序至关重要，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)

`