Python 矢量化numpy函数能否使用缓冲区作为输出？

我可以得到一个numpy矢量化函数来使用缓冲区对象作为结果，而不是创建由该对象返回的新数组吗

我想这样做：

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

相对于

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

---

不适用于

矢量化

，但大多数numpy函数都会使用一个

out

参数，该参数完全满足您的需要

您试图使用的

numpy.vectorize

函数是什么<当您试图“矢量化”计算时，代码>矢量化几乎总是错误的解决方案

在上面的示例中，如果您想在适当的位置执行操作，可以通过以下方式完成：

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

或者，如果您想说得有点冗长，但要完全按照您的示例执行：

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

numpy.vectorize

必须为数组中的每个元素调用python函数。因此，与在整个阵列上运行的numpy函数相比，它有额外的开销。通常，当人们提到“矢量化”表达式以获得加速时，他们指的是从基本numpy函数的构建块中构建表达式，而不是使用

vectorize

（这当然令人困惑……）

---

编辑：根据您的评论，

vectorize

确实适合您的用例！（除了安全/沙箱问题外，编写“光栅计算器”是一个非常完美的用例。）

另一方面，如果您不介意额外的依赖性，则可能更适合

---

它的速度更快，并且提取了一个

参数。
我有一个api，它可以在二维矩阵数组中应用用户定义的函数。矩阵可能比内存大，未对齐，甚至可能表示不同的单元大小（这是一个GIS问题）。我允许用户传入一个函数，在我对所有数据进行插值和对齐后，该函数将对任意像素堆栈进行操作。有没有更好的机制允许用户对这样的数据进行操作？在这种情况下，
vectorize
可能就是您想要的！另一方面，您可以查看
numexpr
。首先，它通常要快得多，其次，它需要一个
参数。