Numpy Arrays上的分段函數

Question

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。

Answer 1

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。