方波函数在numpy阵列中的应用

sig.square(2*np.pi * x) 比…慢三倍 np.cos(2*np.pi * x) 然而,这并不是瓶颈。这个不错 np.vectorize -基础装修实际花费120倍!发生这种情况的原因是 square_f scipy.signal.square 在被迭代的项上,这是一组设计用来处理数组的算术(不像 math.cos ). 这是一个在内部完成的算术示例 scipy.signal.square公司 :

def example(x, w=0.5):
    return (1 - (w > 1) | (w < 0)) & (np.mod(x, 2 * pi) < w * 2 * np.pi)

arr 是一个大数组,这显然是更有效的调用 example(arr) 而不是

ex = np.vectorize(lambda x: example(x))
ex(arr)

arr = np.linspace(0,1,1000000)
%timeit ex(arr)
%timeit example(arr)
8.13 s ± 208 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
18.5 ms ± 1.14 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

我不确定你是否需要 np.vectorize

import numpy as np
from scipy import signal as sig

integral = np.linspace(0, 10, 1024)
signal1 = np.cos(2*np.pi * integral)
signal2 = sig.square(2*np.pi * integral)

当然,您也可以创建一个函数,然后用 作为输入的数组:

def cos2pi(x):
    return np.cos(2*np.pi * x)

signal1 = cos2pi(integral)

我们可以更进一步,对所有样本同时调用函数一次。

samples = np.random.random((60000, 1024))
signal1 = cos2pi(samples)