在python中避免for循环的最快方法

我有一个以标量为参数的函数。我想映射一个numpy数组作为这个函数的参数

def myfn(scalar):
    return transformed_scalar

我知道np.vectorize，我已经用它来矢量化了

vmyfunc = np.vectorize(myfn)
mapped_array = vmyfunc([x1,x2,...,xn])

阅读文档后，我意识到这只是一个for循环，请参见下面的引文：

注释

提供矢量化功能主要是为了方便，而不是为了 演出该实现本质上是一个for循环

我正在寻找另一种改进的方法来实现函数的矢量化，从而提高该方法的性能。 也许是用熊猫做的

更新

采用标量的函数如下所示：

def Loss_func(x, y, W):
  delta = 1.0
  scores = W.dot(np.transpose(x))
  margins = np.maximum(0, scores - scores[y] + delta)
  margins[y] = 0
  loss_i = np.sum(margins)
  return loss_i

---

其中y是标量、X和W 2-D np数组。

如果您通过发布输入、代码和所需输出来解释函数的实际功能，这会有所帮助。一般来说，您编写函数的方式应使其能够以本机方式处理数组。这将取决于你的功能是什么。如果所涉及的操作很简单，它很有可能已经处理了数组。您是否试图使

Loss\u func

使用多个

y

值？还是尺寸更大的

X

和

W

？给我们一个迭代的具体例子。这使得测试替代品更容易。我们喜欢复制粘贴工作代码。把

W.dot（np.transpose（x））

从循环中去掉？分数的形状是什么？