代码如何进行向量化处理？

Python中的NumPy库提供了各种向量化方法，从简单的函数应用到数学和逻辑操作。下面是一些示例：

1. 使用NumPy的ufunc函数

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 矢量加法
c = np.add(a, b)
print(c)

# 矢量乘法
d = np.multiply(a, b)
print(d)

2. 使用向量化的NumPy方法

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 广播加法
c = a + b
print(c)

# 切片索引
d = a[1:3]
print(d)

3. 使用Numba JIT加速循环

from numba import jit
import numpy as np

@jit(nopython=True)
def add_arrays(a, b):
    c = np.zeros_like(a)
    for i in range(a.shape[0]):
        c[i] = a[i] + b[i]
    return c

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 矢量加法
c = add_arrays(a, b)
print(c)

4. 使用Python列表解析进行向量化

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

# 列表解析加法
c = np.array([a[i] + b[i] for i in range(len(a))])
print(c)

# 列表解析乘法
d = np.array([a[i] * b[i] for i in range(len(a))])
print(d)