我从np.vectorize中出现了不想要的行为，即，它更改了进入原始函数的参数的数据类型。我的original question is about the general case，我将使用这个新问题来提出更具体的情况。
(为什么要回答第二个问题？为了说明问题，我已经针对一个更具体的案例创建了这个问题-从具体问题转向更一般的问题总是比较容易。而且我单独创建了这个问题，因为我认为这是有助于保持一般情况以及对一般情况的答复(应该找到)，而不是因为考虑解决任何特定问题而受到“污染”。)
因此，一个具体的例子。我住的地方，星期三是彩票日。因此，让我们从一个带有日期列的pandas数据帧开始，该数据列包含今年所有的星期三:
df = pd.DataFrame({'date': pd.date_range('2020-01-01', freq='7D', periods=53)})
我想看看我可能会玩这些日子中的哪几天。在每个月的开始和结束我都不感到特别幸运，而且有些月我感到特别不幸。因此，我使用此函数来查看日期是否合格:
def qualifies(dt, excluded_months = []):
#Date qualifies, if...
#. it's on or after the 5th of the month; and
#. at least 5 days remain till the end of the month (incl. date itself); and
#. it's not in one of the months in excluded_months.
if dt.day < 5:
return False
if (dt + pd.tseries.offsets.MonthBegin(1) - dt).days < 5:
return False
if dt.month in excluded_months:
return False
return True
我希望您意识到这个示例仍然有些人为；)但是，它更接近于我要尝试的操作。我尝试通过两种方式应用此功能:
df['qualifies1'] = df['date'].apply(lambda x: qualifies(x, [3, 8]))
df['qualifies2'] = np.vectorize(qualifies, excluded=[1])(df['date'], [3, 8])
据我所知，两者都应该起作用，并且我更喜欢后者，因为前者很慢并且是frowned upon。 编辑:我已经知道，第一个也是皱眉。
但是，只有第一个成功，第二个失败，并带有
AttributeError: 'numpy.datetime64' object has no attribute 'day'。所以我的问题是，是否可以在此函数np.vectorize上使用qualifies，它以datetime / timestamp作为参数。 非常感谢!
PS:对于感兴趣的人，这是
df:In [15]: df
Out[15]:
date qualifies1
0 2020-01-01 False
1 2020-01-08 True
2 2020-01-15 True
3 2020-01-22 True
4 2020-01-29 False
5 2020-02-05 True
6 2020-02-12 True
7 2020-02-19 True
8 2020-02-26 False
9 2020-03-04 False
10 2020-03-11 False
11 2020-03-18 False
12 2020-03-25 False
13 2020-04-01 False
14 2020-04-08 True
15 2020-04-15 True
16 2020-04-22 True
17 2020-04-29 False
18 2020-05-06 True
19 2020-05-13 True
20 2020-05-20 True
21 2020-05-27 True
22 2020-06-03 False
23 2020-06-10 True
24 2020-06-17 True
25 2020-06-24 True
26 2020-07-01 False
27 2020-07-08 True
28 2020-07-15 True
29 2020-07-22 True
30 2020-07-29 False
31 2020-08-05 False
32 2020-08-12 False
33 2020-08-19 False
34 2020-08-26 False
35 2020-09-02 False
36 2020-09-09 True
37 2020-09-16 True
38 2020-09-23 True
39 2020-09-30 False
40 2020-10-07 True
41 2020-10-14 True
42 2020-10-21 True
43 2020-10-28 False
44 2020-11-04 False
45 2020-11-11 True
46 2020-11-18 True
47 2020-11-25 True
48 2020-12-02 False
49 2020-12-09 True
50 2020-12-16 True
51 2020-12-23 True
52 2020-12-30 False
最佳答案
摘要
如果使用np.vectorize，则最好指定otypes。在这种情况下，错误是由未指定vectorize时otypes使用的试用计算引起的。另一种选择是将Series作为对象类型数组传递。np.vectorize具有性能免责声明。 np.frompyfunc可能更快，甚至可以理解列表。
测试向量化
让我们定义一个更简单的函数-一个显示参数类型的函数:
In [31]: def foo(dt, excluded_months=[]):
...: print(dt,type(dt))
...: return True
In [32]: df = pd.DataFrame({'date': pd.date_range('2020-01-01', freq='7D', perio
...: ds=5)})
In [33]: df
Out[33]:
date
0 2020-01-01
1 2020-01-08
2 2020-01-15
3 2020-01-22
4 2020-01-29
vectorize。 (vectorize docs说使用excluded参数会降低性能，因此我使用的是lambda所使用的apply):In [34]: np.vectorize(lambda x:foo(x,[3,8]))(df['date'])
2020-01-01T00:00:00.000000000 <class 'numpy.datetime64'>
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-08 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-15 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-22 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-29 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
Out[34]: array([ True, True, True, True, True])
datetime64。其他行是原始的 Pandas 对象。如果我指定otypes，那么这个问题就解决了:In [35]: np.vectorize(lambda x:foo(x,[3,8]), otypes=['bool'])(df['date'])
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-08 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-15 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-22 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-29 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
Out[35]: array([ True, True, True, True, True])
In [36]: df['date'].apply(lambda x: foo(x, [3, 8]))
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-08 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-15 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-22 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-29 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
Out[36]:
0 True
1 True
2 True
3 True
4 True
Name: date, dtype: bool
datetime64中，可以生成np.array dtype。In [37]: np.array(df['date'])
Out[37]:
array(['2020-01-01T00:00:00.000000000', '2020-01-08T00:00:00.000000000',
'2020-01-15T00:00:00.000000000', '2020-01-22T00:00:00.000000000',
'2020-01-29T00:00:00.000000000'], dtype='datetime64[ns]')
np.vectorize在执行初始试验计算时会进行这种包装，而在进行主迭代时则不会。指定otypes会跳过该试用计算。尽管这是一个比较模糊的情况，但是该试用计算在其他SO中引起了问题。在过去，当我测试
np.vectorize时，它比更明确的迭代要慢。它确实有明确的性能免责声明。当函数需要多个输入并需要广播的好处时，这是最有价值的。仅使用一个参数很难证明。np.frompyfunc是vectorize的基础，但返回对象dtype。它通常比数组上的显式迭代快2倍，尽管其速度与列表上的迭代速度相似。在创建和使用numpy对象数组时，它似乎最有用。在这种情况下，我没有使它起作用。向量化代码
np.vectorize代码在np.lib.function_base.py中。如果未指定
otypes，则代码执行以下操作: args = [asarray(arg) for arg in args]
inputs = [arg.flat[0] for arg in args]
outputs = func(*inputs)
func。如Out[37]所示，这将是一个datetime64对象。frompyfunc
要使用
frompyfunc，我需要转换df['date']的dtype:In [68]: np.frompyfunc(lambda x:foo(x,[3,8]), 1,1)(df['date'])
1577836800000000000 <class 'int'>
1578441600000000000 <class 'int'>
...
int传递给函数，并通过它传递pandas时间对象:In [69]: np.frompyfunc(lambda x:foo(x,[3,8]), 1,1)(df['date'].astype(object))
2020-01-01 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
2020-01-08 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'>
...
qualifies的这种用法有效:In [71]: np.frompyfunc(lambda x:qualifies(x,[3,8]),1,1)(df['date'].astype(object))
Out[71]:
0 False
1 True
2 True
3 True
4 False
Name: date, dtype: object
对于主迭代，
np.vectorize可以 ufunc = frompyfunc(_func, len(args), nout)
# Convert args to object arrays first
inputs = [array(a, copy=False, subok=True, dtype=object)
for a in args]
outputs = ufunc(*inputs)
vectorize和otypes可以工作的原因-它在对象dtype输入中使用frompyfunc。将此与Out[37]进行对比:In [74]: np.array(df['date'], dtype=object)
Out[74]:
array([Timestamp('2020-01-01 00:00:00'), Timestamp('2020-01-08 00:00:00'),
Timestamp('2020-01-15 00:00:00'), Timestamp('2020-01-22 00:00:00'),
Timestamp('2020-01-29 00:00:00')], dtype=object)
otypes的另一种方法是确保将dtype对象传递给vectorize:In [75]: np.vectorize(qualifies, excluded=[1])(df['date'].astype(object), [3, 8])
Out[75]: array([False, True, True, True, False])
np.frompyfunc(lambda x: qualifies(x,[3,8]),1,1)(np.array(df['date'],object))
[qualifies(x,[3,8]) for x in df['date']]