我們在幾乎所有的編程語言中都學(xué)習(xí)過循環(huán)。所以，默認情況下，只要有重復(fù)性的操作，我們就會開始實施循環(huán)。但是當(dāng)我們處理大量的迭代（數(shù)百萬/數(shù)十億行）時，使用循環(huán)真是遭罪啊～，你可能會被卡住幾個小時，后來才意識到這是行不通的。這就是在Python中實現(xiàn)向量化變得超級關(guān)鍵的地方。

什么是向量化？

向量化是在數(shù)據(jù)集上實現(xiàn)（NumPy）數(shù)組操作的技術(shù)。在后臺，它對數(shù)組或系列的所有元素一次性進行操作（不像'for'循環(huán)那樣一次操作一行）。

在這篇博客中，我們將看看一些用例，在這些用例中，我們可以很容易地用向量化代替Python循環(huán)。這將幫助你節(jié)省時間，并在編碼方面變得更加熟練。

使用案例1:
尋找數(shù)字的總和

首先，我們來看看一個基本的例子，即在Python中使用循環(huán)和向量來尋找數(shù)字的總和。

使用循環(huán)

import time 
start = time.time()

# 遍歷之和
total = 0
# 遍歷150萬個數(shù)字
for item in range(0, 1500000):
    total = total + item

print('sum is:' + str(total))
end = time.time()

print(end - start)

#1124999250000
#0.14 Seconds

使用向量化

import numpy as np

start = time.time()

# 向量化和--使用numpy進行向量化
# np.range創(chuàng)建從0到1499999的數(shù)字序列
print(np.sum(np.arange(1500000)))

end = time.time()
print(end - start)

##1124999250000
##0.008 Seconds

與使用范圍函數(shù)的迭代相比，向量化的執(zhí)行時間約18倍。在使用Pandas DataFrame時，這種差異將變得更加明顯。

使用案例2:
DataFrame數(shù)學(xué)運算

在數(shù)據(jù)科學(xué)中，當(dāng)使用Pandas DataFrame時，開發(fā)者會使用循環(huán)來創(chuàng)建新的數(shù)學(xué)運算的派生列。

在下面的例子中，我們可以看到，在這樣的用例中，循環(huán)可以很容易地被向量化所取代。

創(chuàng)建DataFrame

DataFrame是以行和列的形式存在的表格數(shù)據(jù)。

我們正在創(chuàng)建一個有500萬行和4列的pandas DataFrame，其中充滿了0到50之間的隨機值。

import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(0, 50, 
                                    size=(5000000, 4)),
                  columns=('a','b','c','d'))
df.shape
# (5000000, 5)
df.head()

我們將創(chuàng)建一個新的列'ratio'，以找到列'd'和'c'的比率。

使用循環(huán)

import time 
start = time.time()

# Iterating through DataFrame using iterrows
for idx, row in df.iterrows():
    # creating a new column 
    df.at[idx,'ratio'] = 100 * (row["d"] / row["c"])  
end = time.time()
print(end - start)
### 109 Seconds

使用向量化

start = time.time()
df["ratio"] = 100 * (df["d"] / df["c"])

end = time.time()
print(end - start)
### 0.12 seconds

我們可以看到DataFrame有了明顯的改進，與python中的循環(huán)相比，向量化幾乎快了1000倍。

使用案例3:
DataFrame上If-else語句

我們實現(xiàn)了很多需要我們使用 "if-else" 類型邏輯的操作。我們可以很容易地用python中的向量化操作代替這些邏輯。

看一下下面的例子來更好地理解它（我們將使用在用例2中創(chuàng)建的DataFrame）。

想象一下，如何根據(jù)退出的列'a'的一些條件來創(chuàng)建一個新的列'e'。

使用循環(huán)

import time 
start = time.time()

# Iterating through DataFrame using iterrows
for idx, row in df.iterrows():
    if row.a == 0:
        df.at[idx,'e'] = row.d    
    elif (row.a <= 25) & (row.a > 0):
        df.at[idx,'e'] = (row.b)-(row.c)    
    else:
        df.at[idx,'e'] = row.b + row.c

end = time.time()

print(end - start)
### Time taken: 177 seconds

使用向量化

start = time.time()
df['e'] = df['b'] + df['c']
df.loc[df['a'] <= 25, 'e'] = df['b'] -df['c']
df.loc[df['a']==0, 'e'] = df['d']end = time.time()
print(end - start)
## 0.28007707595825195 sec

與帶有if-else語句的python循環(huán)相比，向量化操作要比循環(huán)快600倍。

使用案例4:
解決機器學(xué)習(xí)/深度學(xué)習(xí)網(wǎng)絡(luò)

深度學(xué)習(xí)要求我們解決多個復(fù)雜的方程，而且是針對數(shù)百萬和數(shù)十億行的方程。在Python中運行循環(huán)來解決這些方程是非常慢的，此時，向量化是最佳的解決方案。

例如，要計算以下多線性回歸方程中數(shù)百萬行的y值。

我們可以用向量化代替循環(huán)。

m1,m2,m3...的值是通過使用對應(yīng)于x1,x2,x3...的數(shù)百萬個值來解決上述方程而確定的（為了簡單起見，只看一個簡單的乘法步驟）

創(chuàng)建數(shù)據(jù)

>>> import numpy as np
>>> # 設(shè)置 m 的初始值 
>>> m = np.random.rand(1,5)
array([[0.49976103, 0.33991827, 0.60596021, 0.78518515, 0.5540753]])
>>> # 500萬行的輸入值
>>> x = np.random.rand(5000000,5)

使用循環(huán)

import numpy as np
m = np.random.rand(1,5)
x = np.random.rand(5000000,5)

total = 0
tic = time.process_time()

for i in range(0,5000000):
    total = 0
    for j in range(0,5):
        total = total + x[i][j]*m[0][j] 
        
    zer[i] = total 

toc = time.process_time()
print ("Computation time = " + str((toc - tic)) + "seconds")

####Computation time = 28.228 seconds

使用向量化

tic = time.process_time()

#dot product 
np.dot(x,m.T) 

toc = time.process_time()
print ("Computation time = " + str((toc - tic)) + "seconds")

####Computation time = 0.107 seconds

np.dot在后端實現(xiàn)了向量的矩陣乘法。與python中的循環(huán)相比，它的速度提高了165倍。

寫在最后

Python中的向量化是非?？斓?，當(dāng)在處理非常大的數(shù)據(jù)集時，建議你應(yīng)該優(yōu)先考慮向量化而不是循環(huán)。這樣，隨著時間的推移，你會逐漸習(xí)慣于按照向量化的思路來編寫代碼。