[英]Piecewise functions on Numpy Arrays
什么是在Numpy數組上應用分段函數的有效(速度)方法?
比方說,例如,分段函數就像
For (1) : x<=2 f(x) = 2*x + x^2
(2) : x>2 f(x) = -(x^2 + 2)
這就是我做的。
data = np.random.random_integers(5, size=(5,6))
print data
np.piecewise(data, [data <= 2, data > 2],
[lambda x: 2*x + pow(2, x),
lambda x: -(pow(x, 2) + 2)])
data =
[[4 2 1 1 5 3]
[4 3 3 5 4 5]
[3 2 4 2 5 3]
[2 5 4 3 1 4]
[5 3 3 5 5 5]]
output =
array([[-18, 8, 4, 4, -27, -11],
[-18, -11, -11, -27, -18, -27],
[-11, 8, -18, 8, -27, -11],
[ 8, -27, -18, -11, 4, -18],
[-27, -11, -11, -27, -27, -27]])
對於較小的數組,大型數組,許多函數等,是否有一種有效的方法? 我擔心的是使用lambda函數。 不確定這些是否是Numpy優化的。
在這種情況下,您不應該關注lambdas:Numpy優化是關於減少調用開銷,讓函數在批處理中同時評估許多值。 在每次調用np.piecewise
, np.piecewise
中的每個函數(函數部分) funclist
調用一次,其中numpy數組由適當條件為真的所有值組成。 因此,這些lambda是以numpy優化的方式調用的。
類似的是np.select
(正好兩個部分的np.where
)。 調用開銷與以相同方式進行矢量化相同,但它將評估所有數據點的所有函數。 因此,它將比np.piecewise
慢,特別是當功能昂貴時。 在某些情況下,更方便(沒有lambda),並且可以更容易地將概念擴展到許多變量。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.