Python: math.exp和numpy.exp的区别是什么?为什么numpy创建者选择再次引入exp

Question

exp表示指数函数

math module中的exp：https://docs.python.org/2/library/math.html

numpy module中的exp：http://docs.scipy.org/doc/numpy/reference/generated/numpy.exp.html

为什么numpy创建者会再次引入这个函数呢？

Answer 1

正如EdChum提到的，math.exp只适用于标量。而numpy.exp将适用于数组。

示例：

>>> import math
>>> import numpy as np
>>> x = [1.,2.,3.,4.,5.]
>>> math.exp(x)

Traceback (most recent call last):
  File "<pyshell#10>", line 1, in <module>
    math.exp(x)
TypeError: a float is required
>>> np.exp(x)
array([   2.71828183,    7.3890561 ,   20.08553692,   54.59815003,
        148.4131591 ])
>>> 

其他math函数也是如此。

>>> math.sin(x)

Traceback (most recent call last):
  File "<pyshell#12>", line 1, in <module>
    math.sin(x)
TypeError: a float is required
>>> np.sin(x)
array([ 0.84147098,  0.90929743,  0.14112001, -0.7568025 , -0.95892427])
>>> 

另请参考THIS ANSWER，了解numpy如何比math更快。

Answer 2

math.exp在单个数字上工作，numpy版本在numpy数组上工作，由于矢量化的好处，它的速度快得多。在这一点上，exp函数并不是唯一的--有几个math函数都有numpy对应物，比如sin、pow等。

请考虑以下几点：

In [10]: import math

In [11]: import numpy

In [13]: arr = numpy.random.random_integers(0, 500, 100000)

In [14]: %timeit numpy.exp(arr)
100 loops, best of 3: 1.89 ms per loop

In [15]: %timeit [math.exp(i) for i in arr]
100 loops, best of 3: 17.9 ms per loop

numpy版本的速度提高了约9倍(通过仔细选择优化的数学库，可能还会更快)

正如@camz下面所述- math版本在处理单个值时会更快(在快速测试中，速度快约7.5倍)。

Answer 3

如果使用map手动向量化math.exp，它会比numpy更快。就我所测试的..。

%timeit np.exp(arr)

500µs±3.37µs /环路(平均值±标准dev.共7次运行，每次1000次循环)

%timeit映射(math.exp，arr)

每环148 ns±4 ns (平均值±标准dev.共7次运行，每次10000000次循环)

​