Numba autojit在比较numpy数组时出错

Kar*_*Man 9 python numpy numba

当我比较我的函数中的两个numpy数组时,我得到一个错误,说只有长度为1的数组可以转换为Python标量:

from numpy.random import rand
from numba import autojit

@autojit
def myFun():
    a = rand(10,1)
    b = rand(10,1)
    idx = a > b
    return idx

myFun()
Run Code Online (Sandbox Code Playgroud)

错误:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-7-f7b68c0872a3> in <module>()
----> 1 myFun()

/Users/Guest/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/numba/numbawrapper.so in numba.numbawrapper._NumbaSpecializingWrapper.__call__ (numba/numbawrapper.c:3764)()

TypeError: only length-1 arrays can be converted to Python scalars
Run Code Online (Sandbox Code Playgroud)

Dan*_*iel 3

这可能对您的问题来说是次要的,但您的自动抖动显示的方式不会提高速度。使用 numba,您需要显式地显示for循环,如下所示:

from numpy.random import rand
from numba import autojit
@autojit
def myFun():
    a = rand(10,1)
    b = rand(10,1)
    idx = np.zeros((10,1),dtype=bool)
    for x in range(10):
        idx[x,0] = a[x,0] > b[x,0]
    return idx

myFun()
Run Code Online (Sandbox Code Playgroud)

这很好用。

  • 嗯,使用 NumPy 数组的主要动机之一是利用它们的内置函数,而不必显式重写它们的所有实用程序。我只是举了一个简单的例子,其中 Numba 中断了 NumPy 数组上的逻辑运算。但是,一般来说,我会在多种布尔/逻辑索引中遇到错误,如果您正在使用数组进行数字/科学编码,那么这是一个非常有用的方法。 (3认同)