Rust ndarray数组的基本函数数学运算

Question

我只是想为Rust-ndarray做一些基本的数学运算(例如，sin、exp、log、sqrt…(。然而，我并没有从ndarray的文档中找到任何有用的例子。

例如：

extern crate ndarray;
use ndarray as nd;
fn main() {
let matrix = nd::array![[1., 2., 3.], [9., 8., 7.]];
let result = some_math(matrix);
println!("{}", result)
}
fn some_math(...) {
//Here I would like to do elementwise exp() and sqrt
sqrt(exp(...))
// Using f64::exp would fail.
}

如何有效地实现some_math？我当然可以通过循环矩阵的元素来进行元素操作，但这听起来不太好，我不喜欢这样做

在python的numpy中，这就是np.sqrt(np.exp(matrix))。我的意思是Rust确实是一种很棒的语言，然而，即使是简单的代数也很不方便(缺乏适当的生态系统(。

---

更新：ndarray正在进行拉取请求。如果这被接受，那么你可以简单地进行matrix.exp().sqrt()等

ndarray文档中有一个非常隐藏的页面，告诉您如何进行此类数学运算。

---

一些相关问题：12

Answer 1

如何高效地实现这样的some_math？

您可以使用mapv_into():

use ndarray as nd;
use ndarray::Array2;
fn some_math(matrix: Array2<f64>) -> Array2<f64> {
// np.sqrt(np.exp(matrix)) would literally translate to equivalent to
// matrix.mapv_into(f64::exp).mapv_into(f64::sqrt)
// but this version iterates over the matrix just once
matrix.mapv_into(|v| v.exp().sqrt())
}
fn main() {
let matrix = nd::array![[1., 2., 3.], [9., 8., 7.]];
let result = some_math(matrix);
println!("{:?}", result)
}

游乐场

这应该会使您的性能与numpy相当，但您应该进行测量以确定。

要使用多个核心(这对大型阵列来说是有意义的(，您需要启用机箱的rayon功能并使用par_mapv_inplace():

fn some_math(mut matrix: Array2<f64>) -> Array2<f64> {
matrix.par_mapv_inplace(|v| v.exp().sqrt());
matrix
}

(由于游乐场的ndarray不包括rayon功能，因此无法在游乐场上编译。(

请注意，在上面的示例中，如果感觉更自然，可以用f64::sqrt(f64::exp(v))替换v.exp().sqrt()。

---

EDIT：我对timnings很好奇，所以我决定做一个琐碎的(不科学的(基准测试——创建一个随机的10_000x10_0000数组，并将np.sqrt(np.sqrt(array))与Rust等效数组进行比较。

用于基准测试的Python代码：

import numpy as np
import time
matrix = np.random.rand(10000, 10000)
t0 = time.time()
np.sqrt(np.exp(matrix))
t1 = time.time()
print(t1 - t0)

锈蚀代码：

use std::time::Instant;
use ndarray::Array2;
use ndarray_rand::{RandomExt, rand_distr::Uniform};
fn main() {
let matrix: Array2<f64> = Array2::random((10000, 10000), Uniform::new(0., 1.));
let t0 = Instant::now();
let _result = matrix.mapv_into(|v| v.exp().sqrt());
let elapsed = t0.elapsed();
println!("{}", elapsed.as_secs_f64());
}

在我对古老桌面系统的实验中，Python需要3.7s来计算，而Rust需要2.5s.5 s，比同等的Python快7.4倍。

单线程Rust版本更快是有道理的，因为它只在整个数组上迭代一次，而Python迭代两次。如果我们删除sqrt()操作，Python的时钟为2.8秒，而Rust的时钟仍略快，为2.4秒(仍为0.5秒并行(。我不确定是否可以在不使用numba之类的东西的情况下优化Python版本。事实上，能够在不因手动进行低级别计算而遭受性能损失的情况下调整代码，这是像Rust这样的编译语言的好处。

我不知道如何在Python中复制多线程版本，但了解numba的人可以做这件事并进行比较。