如何将 Numba“@vectorize”ufunc 与结构化 Numpy 数组一起使用？答案

【问题标题】：How can I use Numba "@vectorize" ufunc with a structured Numpy array?如何将 Numba“@vectorize”ufunc 与结构化 Numpy 数组一起使用？
【发布时间】：2020-06-09 09:06:31
【问题描述】：

我无法运行矢量化 ufunc。常规 @njit 工作正常，@vectorize documentation 表明矢量化装饰器与 njit 相同。我在 Windows 10 上运行，如果这有影响的话

演示程序如下。从下面的输出中我们可以看到，njit 函数运行正常，并且向量化函数存在类型错误。

import sys
import numpy
import numba

Structured = numpy.dtype([("a", numpy.int32), ("b", numpy.float64)])
numba_dtype = numba.from_dtype(Structured)

@numba.njit([numba.float64(numba_dtype)])
def jitted(x):
    x['b'] = 17.5
    return 18.

@numba.vectorize([numba.float64(numba_dtype)], target="cpu", nopython=True)
def vectorized(x):
    x['b'] = 17.5
    return 12.1

print('python version = ', sys.implementation.version)    
print('numpy version = ', numpy.__version__)
print('numba version = ', numba.__version__)
for struct in numpy.empty((3,), dtype=Structured):
    print(jitted(struct))

print(vectorized(numpy.empty((3,), dtype=Structured)))

输出是

python 版本 = sys.version_info(major=3, minor=7, micro=1, releaselevel='final', serial=0)
numpy 版本 = 1.17.3
numba 版本 = 0.48.0
18.0
18.0
18.0
Traceback（最近一次调用最后一次）：文件“scratch.py”，第 49 行，在
print(vectorized(numpy.empty((3,), dtype=Structured))) TypeError: ufunc 'vectorized' not supported for the input types, and the input can not besecurely coerced to any supported types based on the cast rule ' '安全''

【问题讨论】：

我没有使用过这个numba.vectorize，但文档说它创建了一个ufunc（类似）函数。 ufunc 返回一个新数组；他们不会就地运作。我意识到这只是一个测试功能，但是使用x=np.empty(3,), dtype=Structured)，x['b'] = 17.5 在没有numba 的情况下也可以正常工作。
我无法使用vectorize 和这个 dtype。我不知道有任何numpy.ufunc 可以使用结构化数据类型。你可能需要退后一步，解释你为什么需要这个。你的目标是什么？
Numba docs 提到支持 Numpy 结构化标量，支持类型的 Numpy 数组也是如此。此外，我在@vectorize docs 中没有看到相反的内容。我目前的目标是要么弄清楚如何让这个例子工作，要么理解为什么它不工作。我正在探索其他方法，但向量化结构化数组是这个特定问题的研究主题。
问题可能与numpy's 自己处理ufunc 中的结构化数据类型有关。例如，我找到了关于编写自己的 ufunc 的这一部分：docs.scipy.org/doc/numpy-1.13.0/user/…。 numba 可能没有处理所需的详细信息。
我认为您可能是正确的...我在 github 中打开了一个 issue。我看看那边有没有回复。

标签： python numpy vector numba structured-array

【解决方案1】：

好像不支持这个，已经转换成feature request

【讨论】：