NumPy中+运算符与np.add()的区别是什么？

你给出的测试代码如下：

import numpy as np

a = np.arange(10)
b = a + 1
c = np.add(a, 1)

print("a:", a)
print("b:", b)
print("c:", c)

运行输出为：

a: [0 1 2 3 4 5 6 7 8 9]
b: [ 1  2  3  4  5  6  7  8  9 10]
c: [ 1  2  3  4  5  6  7  8  9 10]

你测试的场景中二者输出完全一致，是因为numpy对数组的加法运算符做了重载，a + 1 底层默认就是调用np.add实现的，普通二元加法场景下二者效果没有差异，核心区别仅存在于特殊需求场景：

• 可选参数支持能力不同
  np.add是numpy的标准通用函数（ufunc），支持多个实用的可选参数，运算符加法没有这些能力：
  • 支持out参数：可以直接将计算结果写入预先分配好的数组，不需要额外开辟新内存，适合大数组运算的性能优化，用法示例：

# 预先分配内存
res = np.empty(10)
# 结果直接写入res，不需要生成临时数组
np.add(a, 1, out=res)

• 支持where参数：可以指定仅对符合条件的位置执行加法运算，用法示例：

# 仅给a中大于5的元素加1，其余位置保持原值
np.add(a, 1, out=a.copy(), where=a>5)

• 作为函数传递的便利性不同
  np.add本身是可调用的函数对象，可以直接作为参数传入高阶函数（比如map、数组批量处理函数等）使用，而+是运算符，需要封装为匿名函数才能传递，示例：

# np.add直接作为函数传入
list(map(np.add, [1,2,3], [4,5,6]))
# 运算符加法需要额外封装lambda
list(map(lambda x,y: x+y, [1,2,3], [4,5,6]))

• 非numpy数组输入的处理逻辑不同
  如果运算对象不是numpy数组而是Python原生容器，二者行为不同：
  • 对原生列表执行[1,2,3] + 1会直接抛出类型错误，Python原生不支持列表与整数相加
  • 执行np.add([1,2,3], 1)会自动将输入转为numpy数组后运算，返回array([2, 3, 4])

日常简单加法运算场景下，a + 1写法更简洁可读性更高，优先使用即可，只有需要用到ufunc特殊参数、或者需要传递加法函数的场景下，才需要显式调用np.add。

内容的提问来源于stack exchange，提问作者Mojtaba Arezoomand