我测试过的所有建议的方法，加上np.array(map(f, x))与perfplot（我的一个小项目）。
消息1：如果可以使用numpy的本机函数，请执行此操作。
如果你想已经矢量化功能的矢量（如x**2在原岗位的例子），使用的是多比什么都更快（注意对数标度）：
如果你确实需要向量化，那么使用哪种变体并不重要。
复制剧情的代码：
import numpy as np
import perfplot
import math
def f(x):
# return math.sqrt(x)
return np.sqrt(x)
vf = np.vectorize(f)
def array_for(x):
return np.array([f(xi) for xi in x])
def array_map(x):
return np.array(list(map(f, x)))
def fromiter(x):
return np.fromiter((f(xi) for xi in x), x.dtype)
def vectorize(x):
return np.vectorize(f)(x)
def vectorize_without_init(x):
return vf(x)
perfplot.show(
setup=lambda n: np.random.rand(n),
n_range=[2**k for k in range(20)],
kernels=[
f,
array_for, array_map, fromiter, vectorize, vectorize_without_init
],
xlabel='len(x)',
)
602392714
清零编程群