详细内容或原文请订阅后点击阅览
掌握Numpy的通用函数用于快速数组计算
主元素的操作，比较，逻辑，聚合和使用Numpy Ufuncs进行高性能阵列处理。
来源:KDnuggets性能就是一切。不仅仅是在编码或数据科学领域。如果您正在处理更大的数据集，这个迷你实现将节省您的时间。
在 NumPy 中，如果您在数值计算/计算领域追求速度，通用函数将是您的首选工具。
因此，在本文中，我们将介绍和了解如何使用 ufunc，以及它们如何高效地将真实数据转化为见解。一如既往，我们将使用我们平台上的真实数据集。那么让我们首先开始探索这个。
预测价格：应用 NumPy ufunc 的真实数据集
以下是此数据项目的链接：https://platform.stratascratch.com/data-projects/predicting-price
https://platform.stratascratch.com/data-projects/predicting-price在这个数据项目中，Haensel AMS 要求我们解决这个数据项目，作为数据科学职位招聘过程中的一项带回家的作业。我们首先读取数据集。
将 pandas 导入为 pd
df = pd.read_csv("样本.csv")
df.head()
这是输出。
现在让我们看看这些列。这是代码。
了解 NumPy 的通用函数 (ufuncs)
让我们一步一步地进行。
NumPy 具有通用函数，简称 ufuncs。
这些函数对数组元素进行操作。
你没有写循环。您调用该函数。它适用于 NumPy 中的所有元素。
它在底层使用 C 代码，因此执行过程不需要太多开销。
让我们从一个简单的操作开始。
第 1 步：逐元素加法
您有两列 — para2 和 para3。您想要逐行求和。这是代码：
将 numpy 导入为 np sum_array = np.add(df["para2"], df["para3"]) 打印(sum_array[:5])
sum_array 中的每个值都是该行的 para2 和 para3 的总和。这适用于单个操作中的所有行。
步骤 2：逐元素乘法
您现在有了一个求和数组。
假设您想要缩放该数组 - 也许“应用一个比率或乘数”。
这就是 np.multiply 的用武之地。
现在，每个值都提高了 10%。