矢量化numpy函數可以使用緩衝區作爲輸出嗎？

Question

我可以得到一個numpy向量化函數來使用緩衝區對象作爲結果，而不是創建一個由該對象返回的新數組嗎？

我想要做這樣的事情：

fun = numpy.vectorize(lambda x: x + 1) 
a = numpy.zeros((1, 10) 
buf = numpy.zeros((1, 10) 
fun(a, buf_obj = buf) 

，而不是

fun = numpy.vectorize(lambda x: x + 1) 
a = numpy.zeros((1, 10) 
buf = fun(a) 

Answer 1

不爲vectorize，但大多數numpy的功能，採取out說法，你想要做什麼。

你想用什麼功能numpy.vectorize？當您嘗試「矢量化」計算時，幾乎總是會出現錯誤的解決方案。

在你上面的例子，如果你想要做就地操作，你可以用完成它：

a = numpy.zeros((1, 10)) 
a += 1 

或者，如果你想成爲一個有點冗長，但到底該怎麼做你的榜樣會這樣做：

a = numpy.zeros((1, 10)) 
buf = numpy.empty_like(a) 
numpy.add(a, 1, out=buf) 

numpy.vectorize必須爲數組中的每個元素調用python函數。因此，與在整個陣列上運行的numpy函數相比，它有額外的開銷。通常，當人們提到「矢量化」一個表達式以獲得加速時，他們指的是從基本numpy函數的構建塊中構建表達式，而不是使用vectorize（這當然令人困惑......）。

---

編輯：基於您的評論，vectorize確實適合你的使用情況！ （寫一個「光柵計算器」是一個非常完美的用例，除了安全/沙盒問題。）

另一方面，numexpr可能更適合，如果你不介意附加的依賴。

速度更快，需要參數out。