为什么高阶函数在numpy中不流行

例如，当您执行

x*y+z

对于高阶函数，它可以表示为：

on3（x，y，add，lambda（x，y，z）：x*y+z）

，理论上可以节省大量计算。

---

我的问题是，为什么这样的模式在numpy中很少见？如果你说

x*y+z

使用numpy数组，

x*y

将分配一个临时数组，然后

+z

将分配最后一个数组。如果需要挤出每一点性能，可以避免使用如下中间临时数组：

r = x * y
r += z

这将只分配一个数组，假设您不想改变输入，这几乎是最优的。如果你真的想让它们变异，你可以这样做：

x *= y # or np.mul(x, y, out=x)
x += z # or np.add(x, z, out=x)

那么你什么也不分配

如果数据不适合缓存，上述情况可能仍然不是最佳情况，因为您必须遍历

x

两次。通过编写矢量化函数，可以使用Numba解决此问题：

import numba

@numba.vectorize 
def fma(x, y, z): 
    return x * y + z

现在，当您运行

fma（x，y，z）

时，它将访问每个数组的第一个元素，对这三个元素运行

x*y+z

，检测结果的类型，分配该类型的输出数组，然后对其余元素进行计算

将所有内容放在一起，对输入进行单次传递，但不分配任何内容：

fma(x, y, z, out=x) # can also use out=y or out=z

---

这真的是关于

numpy

还是python

numpy

提供对象类（主要是

ndarray

）和函数。Python设置语法。Python是OOP，但并不强迫您编写自定义类。函数是第一类对象，可以作为参数传递。在封面下有很多函数传递和委托方法。解释一下你的替代表达式是如何节省计算的。如果它有助于描述标量和数组的情况。你的问题需要更多的上下文。你是在问像我们这样的终端用户吗？或者为什么python没有为此提供更多工具（wiki文章中有一个python示例）。或者为什么

numpy

没有更多这样的编译构建块呢？我的意思是，使用高阶函数，你可以表达很多东西，例如lambda（x，y，z，d）：2*x*y+z+d）这仍然可以是零分配，而不需要像你提到的那样跳环，不清楚为什么这个模式不是零分配的exploited@bobzhang：它是可利用的，只要说

numba.vectorize（lambda x，y，z，d:2*x*y+z+d）

，你就完全满足了你的要求。numba看起来很有趣，但似乎不那么流行，鉴于这个用例非常普遍，你知道numpy为什么不首先提供它吗？要实现它需要大量的工作，NumPy的目标并不是提供每个人都需要的一切。