在NumPy数组的每个单元格上对函数进行有效的评估

给定一个NumPy数组A ，对每个单元应用相同函数f的最快/最有效的方法是什么？

1. 假设我们将赋予A（i，j） f（A（i，j）） 。

2. 函数f没有二进制输出，因此mask（ing）操作将不起作用。

是“明显的”双循环迭代（通过每个细胞）的最佳解决scheme？

Answer 1

你可以vector化这个函数，然后在你每次需要的时候直接把它应用到一个Numpy数组中：

import numpy as np def f(x): return x * x + 3 * x - 2 if x > 0 else x * 5 + 8 f = np.vectorize(f) # or use a different name if you want to keep the original f result_array = f(A) # if A is your Numpy array 

在向量化时直接指定显式输出types可能会更好：

 f = np.vectorize(f, otypes=[np.float]) 

Answer 2

类似的问题是： 映射一个NumPy数组 。 如果你可以为你的f（）find一个ufunc ，那么你应该使用out参数。

Answer 3

如果你正在使用数字和f(A(i,j)) = f(A(j,i)) ，你可以使用scipy.spatial.distance.cdist来定义f作为A(i)和A(j) 。