numpy中frompyfunc和vectorize之间的区别

Question

numpy中vectorize和frompyfunc有什么区别？

两者看起来非常相似.每个人的典型用例是什么？

编辑:正如JoshAdel所指出的,这个课程vectorize似乎是建立在上面的frompyfunc.(见来源).我还不清楚是否frompyfunc可能有任何未被vectorize...... 覆盖的用例

Answer 1

正如约什阿德尔指出的那样,vectorize包裹着frompyfunc.Vectorize增加了额外的功能:

• 从原始函数复制docstring
• 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后,我发现它vectorize比frompyfunc大型数组慢得多(~50%).如果性能在您的应用程序中至关重要,请首先对用例进行基准测试.

`

>>> 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)

`

Answer 2

我不确定每个用例的不同用例是什么,但是如果你看一下源代码(/numpy/lib/function_base.py),你就会看到它的vectorize包装frompyfunc.我对代码的阅读主要vectorize是正确处理输入参数.可能有一些特殊的情况,你更喜欢一个与另一个,但它似乎frompyfunc只是一个较低级别的实例vectorize.

Answer 3

虽然这两种方法都为您提供了构建自己的ufunc 的方法，但numpy.frompyfunc方法始终返回一个 python 对象，而您可以在使用numpy.vectorize方法时指定返回类型