通過迭代在Python

應用函數的兩個numpy的陣列我有通過迭代在Python

import numpy as np 
a = np.array([np.nan,2,3]) 
b = np.array([1,np.nan,2])

我想一個函數適用於A，B，有沒有這樣做的一個快速的方法。（像在熊貓，我們可以做到這一點）

具體而言，我很有趣的平均a和b，但取平均值是其他數字丟失時的數字之一。

即我想返回

np.array([1,2,2.5])

對於上面的例子。不過，我想知道這個問題的答案在更一般的設置（在這裏我想申請的操作元素明智了許多numpy的陣列）

來源

2017-09-06 Lost1

您可以使用numpy.nanmean，而忽略NaN S：

np.nanmean([a, b], axis=0) 
# array([ 1. , 2. , 2.5])

來源

2017-09-06 21:17:48 Psidom

不錯。我用np.vectorize。這很慢嗎？ – Lost1

'np.vectorize'使代碼更短，但它不會加快速度。「np.vectorize」的文檔說明說明了* vectorize'函數主要是爲了方便，而不是爲了性能。這個實現本質上是一個for循環。* – Psidom

@ Lost1，我懷疑'np.vectorize'會有'pandas'' apply'的速度。我沒有使用'apply'，但是我對其他問題的印象是它是迭代的（在Python中）級別。與這樣編譯的'numpy'函數相比，兩者都會很慢。 – hpaulj

如果你想遍歷數組NumPy的一些自定義的功能與NumPy的的universal functions (ufunc)的效率，選用的是

Write your own C code
Use the ufuncify method of SymPy爲您生成代碼。

下面是後者，在功能exp(x) + log(y)的例子（因爲與NumPy的ufuncs exp和log已經上市，這只是爲了演示）：

import numpy as np 
import sympy as sym 
from sympy.utilities.autowrap import ufuncify 

x, y = sym.symbols('x y') 
f = ufuncify([x, y], sym.exp(x) + sym.log(y))

現在申請f(np.array([1, 2, 3]), np.array([4, 5, 6]))將返回NumPy的數組[4.10457619, 8.99849401, 21.87729639]的方式不是Python循環，而是調用（默認情況下）編譯的Fortran代碼。

（但在實踐中，你可能會發現，與NumPy已經有一些ufuncs你想要什麼，如果組合在一個正確的方式做到這一點。）

來源

2017-09-06 23:17:19 FTP

通過迭代在Python

回答

相關問題