什么是矢量化？ [关闭]

Question

在 Python 中向量化 for 循环是什么意思？是否有另一种编写嵌套 for 循环的方法？

我是 Python 新手，在我的研究中，我总是遇到 NumPy 库。

Answer 1

这是来自 Wes McKinney 的 definition：

数组很重要，因为它们使您能够表达批处理 无需编写任何 for 循环即可对数据进行操作。这通常是 称为矢量化。相等大小之间的任何算术运算 arrays 按元素应用操作。

矢量化版本：

>>> import numpy as np
>>> arr = np.array([[1., 2., 3.], [4., 5., 6.]])
>>> arr * arr
array([[  1.,   4.,   9.],
       [ 16.,  25.,  36.]])

与原生 Python（嵌套）列表上的循环相同：

>>> arr = arr.tolist()
>>> res = [[0., 0., 0.], [0., 0., 0.]]
>>> for idx1, row in enumerate(arr):
        for idx2, val2 in enumerate(row):
            res[idx1][idx2] = val2 * val2
>>> res
[[1.0, 4.0, 9.0], [16.0, 25.0, 36.0]]

这两个操作如何比较？ NumPy 版本需要 436 ns； Python 版本需要 3.52 µs (3520 ns)。这种“小”时间的巨大差异称为微性能，当您处理较大的数据或重复操作数千或数百万次时，它变得很重要。

Answer 2

Python for 循环本质上比 C 循环慢。

这就是numpy 在numpy 数组上提供矢量化操作的原因。它将您通常在 Python 中执行的 for 循环推到 C 级别，这要快得多。 numpy 提供矢量化（“C 级 for 循环”）替代方案，以替代需要以元素方式完成的事情（“Python 级 for 循环）。

import numpy as np
from timeit import Timer

li = list(range(500000))
nump_arr = np.array(li)

def python_for():
    return [num + 1 for num in li]

def numpy_add():
    return nump_arr + 1

print(min(Timer(python_for).repeat(10, 10)))
print(min(Timer(numpy_add).repeat(10, 10)))

#  0.725692612368003
#  0.010465986942008954

numpy 向量化加法速度提高了 70 倍。