根据以数组为参数的函数中的测试来调度计算的快速方法答案

【问题标题】：Fast method to dispatch computation according to tests in a function with array as argument根据以数组为参数的函数中的测试来调度计算的快速方法
【发布时间】：2021-01-11 10:59:29
【问题描述】：

这是我正在处理的 Numpy 中的一个简化用例，如何调度一些计算？

def f(x,th1=0.25,th2=0.75):
if x < th1:
    return x+10
elif x > th2:
    return x+30
else:
    return x+20

x 是一个 Numpy 向量

x=np.random.uniform(0,1,10**6)

当然，如果我尝试f(x)，我会得到预期的结果

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

现在我可以使用一个简单的循环了：

%%timeit
 tmp=[]
 for i in range(x.shape[0]):
    tmp.append(f(x[i]))
 np.array(tmp)

我收到873 ms ± 8.98 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

我也可以使用np.vectorize

fvec=np.vectorize(f)

和

%%timeit
fvec(x)

给248 ms ± 2.45 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)。

但我很确定有人可以使用“面具”来真正提升，或者可能是另一种 numpy 技巧。所以，轮到你了……提前致谢。

【问题讨论】：

标签： python performance numpy

【解决方案1】：

您可以使用np.where 来执行此操作-

def f(x):
    y = np.where(x<0.25, x+10, x)
    y = np.where(x>0.75, y+30, y)
    y = np.where(np.bitwise_and(0.25<=x, x<=0.75), y+20, y)
    return y

在我的系统上，它在18ms 中运行。

x = np.random.uniform(0,1,10**6)
%timeit t = f(x)

在18 ms ± 86.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)中运行

同时

fvec=np.vectorize(f2)
%timeit fvec(x)

其中 f2 是您定义的在 185 ms ± 2.81 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 上运行的函数

【讨论】：

没有必要使用比裸条件慢的np.where。

【解决方案2】：

您可以使用以下方法：

def fff(x,th1=0.25,th2=0.75):
    plus20 = x >= th1
    plus30 = x <= th2
    x[plus20] += 10
    x[plus30] += 10
    return x + 10

时间（这个）：

%%timeit
fff(x)

7.59 ms ± 177 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

时间（你的）：

%%timeit
fvec(x)

201 ms ± 7.22 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

【讨论】：

【解决方案3】：

你可以这样做：

def f(x,th1=0.25,th2=0.75):
    return x + 20 - 10*(x<th1) + 10*(x>th2)

这将允许您使用 y = f(x) 而不会对 x 产生副作用（因为 sophros 的解决方案会导致）。

如果您的值比 10,20,30 更复杂，您可以使用乘数作为映射数组的索引而不是值本身来概括该方法：

mapping = np.array([20,10,30])
def f(x,th1=0.25,th2=0.75):
    return x + mapping[1*(x<th1) + 2*(x>th2)]

【讨论】：