向量化及通用函数

向量化通用函数族：NumPy ufunc 元素级数学映射与矩阵乘法辨析

小象实战讲义 · Python数据分析实战

在科学计算与特征工程中，我们经常需要对数据集中的每一个元素执行非线性数学变换（如取对数、指数映射、三角函数、向上/向下取整）或者处理缺失值（NaN 判断）。NumPy 提供了一套极其庞大且高效的**通用函数（Universal Functions，简称 ufunc）体系。ufunc 是一类能够对 ndarray 中的数据执行逐元素（Element-wise）极速运算的函数封装。本节我们将深入学习一元与二元常用 ufunc 函数，并重点澄清数据分析中最容易混淆的逐元素乘法（*）与矩阵代数点乘（@ / dot）**的本质差异。

💡 核心导读

• 通用函数 ufunc 的核心概念与分类：
  • 一元 ufunc（Unary ufuncs）：接收单个数组输入，返回等形状变换结果；
  • 二元 ufunc（Binary ufuncs）：接收两个数组输入，结合广播机制执行双向逐元素计算。
• 高频一元 ufunc 精讲：
  • 整数近似：np.ceil()（向上取整）、np.floor()（向下取整）、np.rint()（四舍五入）；
  • 代数变换：np.sqrt()、np.exp()、np.log() / np.log1p()（平滑变换）、np.abs()；
  • 缺失值探针：np.isnan()、np.isinf()、np.isfinite()。
• 逐元素乘法 vs 矩阵代数乘法核心辨析：
  • np.multiply(A, B) / A * B：哈达玛积（逐对应位置相乘）；
  • np.dot(A, B) / A @ B / np.matmul(A, B)：经典线性代数矩阵乘法（行乘以列累加）。

1. 常见 ufunc 函数分类速查

┌─────────────────────────────────────────────────────────────┐
│                    NumPy 常用通用函数 (ufunc) 矩阵          │
├─────────────────┬───────────────────────────────────────────┤
│ 类别            │ 核心函数及作用                            │
├─────────────────┼───────────────────────────────────────────┤
│ 1. 舍入取整     │ np.ceil() 向上, np.floor() 向下, np.rint()│
│ 2. 数学变换     │ np.sqrt() 开方, np.exp() 指数, np.log()   │
│ 3. 缺失与异常   │ np.isnan() 是否非数, np.isinf() 是否无穷  │
│ 4. 逐元素极值   │ np.maximum(A, B), np.minimum(A, B)        │
│ 5. 逐元素四则   │ np.add(), np.subtract(), np.multiply()    │
└─────────────────┴───────────────────────────────────────────┘

2. 核心辨析：逐元素乘法（*） vs 矩阵点乘（@）

这是所有初学者最容易踩坑的地方：

┌─────────────────────────────────────────────────────────────┐
│ 1. 逐元素乘法 (A * B) : 要求形状相同或可广播, 对应位置相乘   │
│    [ [ 1, 2 ],  *  [ [ 5, 6 ],  =  [ [ 1*5, 2*6 ],         │
│      [ 3, 4 ] ]      [ 7, 8 ] ]       [ 3*7, 4*8 ] ]        │
├─────────────────────────────────────────────────────────────┤
│ 2. 矩阵乘法 (A @ B) : 要求 A 的列数等于 B 的行数, 行列点积  │
│    [ [ 1, 2 ],  @  [ [ 5, 6 ],  =  [ [ 1*5+2*7, 1*6+2*8 ], │
│      [ 3, 4 ] ]      [ 7, 8 ] ]       [ 3*5+4*7, 3*6+4*8 ] ]│
└─────────────────────────────────────────────────────────────┘

3. Python 代码实战：ufunc 运算与矩阵乘法

# 示例 1：常用一元 ufunc 函数实战 (取整、数学变换与 NaN 检测)

import numpy as np

# 1. 浮点数取整运算
float_samples = np.array([-1.7, -1.2, 0.2, 1.5, 1.8, 2.3])
print("=== 1. 浮点数取整 ufunc ===")
print("原始数据:", float_samples)
print("• 向上取整 (ceil):", np.ceil(float_samples))
print("• 向下取整 (floor):", np.floor(float_samples))
print("• 四舍五入 (rint):", np.rint(float_samples))

# 2. 对数与指数变换 (常用于数据平滑与偏态校正)
positive_data = np.array([1, 10, 100, 1000], dtype=np.float64)
print("\n=== 2. 对数与指数映射 ===")
print("以 e 为底的自然对数 (log):", np.round(np.log(positive_data), 2))
print("以 10 为底的对数 (log10):", np.log10(positive_data))

# 3. 缺失值 NaN 检测与安全过滤
dirty_data = np.array([10.5, np.nan, 25.0, np.nan, 40.0])
print("\n=== 3. 缺失值 NaN 嗅探与清洗 ===")
print("原始脏数据:", dirty_data)
nan_mask = np.isnan(dirty_data)
print("NaN 布尔掩码:", nan_mask)
clean_data = dirty_data[~nan_mask] # 使用 ~ 反转掩码
print("过滤 NaN 后的纯净数组:", clean_data)

接下来演示逐元素乘法与矩阵代数乘法的对比，以及 np.maximum 的应用：

# 示例 2：逐元素乘法 (Hadamard Product) vs 矩阵代数乘法 (Dot Product)

# 定义两个 2x2 方阵
mat_A = np.array([[1, 2], [3, 4]])
mat_B = np.array([[5, 6], [7, 8]])

print("\n=== 4. 乘法运算本质对比 ===")
print("矩阵 A:\n", mat_A)
print("矩阵 B:\n", mat_B)

# 1. 逐元素相乘 (等价于 np.multiply(mat_A, mat_B))
elem_mult = mat_A * mat_B
print("\n• 逐元素乘法 (A * B):\n", elem_mult)

# 2. 矩阵代数乘法 (等价于 np.dot(mat_A, mat_B) 或 np.matmul(mat_A, mat_B))
# 第一行第一列: 1*5 + 2*7 = 19; 第一行第二列: 1*6 + 2*8 = 22
matrix_mult = mat_A @ mat_B
print("• 矩阵代数乘法 (A @ B):\n", matrix_mult)

# 3. 二元比较 ufunc：np.maximum 与 np.minimum (逐位置取较大/较小值)
arr_x = np.array([10, 50, 30, 80])
arr_y = np.array([20, 40, 60, 70])
print("\n=== 5. 逐元素比较取极值 ===")
print("数组 X:", arr_x)
print("数组 Y:", arr_y)
print("• 逐位置取最大值 (np.maximum):", np.maximum(arr_x, arr_y))
print("• 逐位置取最小值 (np.minimum):", np.minimum(arr_x, arr_y))

📝 动手练一练

1. 辨析题：在处理包含缺失值的数据时，为什么不能使用 val == np.nan 来判断某个元素是否为空？正确的判断方法是什么？

   👉 点击查看参考答案

   参考答案： ① 原因：根据 IEEE 754 浮点数标准，NaN（Not a Number）与任何值都不相等，甚至 np.nan == np.nan 的返回值也是 False； ② 正确做法：必须使用通用函数 np.isnan(val) 或 pd.isna(val) 来检测缺失值。

2. 编程练习：给定向量 x = np.array([-5, -2, 0, 3, 7])，请使用 ufunc 实现机器学习中著名的 ReLU 激活函数（即 $f(x) = \max(0, x)$，将所有负数截断为 0，正数保持不变）。

   👉 点击查看参考答案

   参考答案：

   import numpy as np
   
   x = np.array([-5, -2, 0, 3, 7])
   relu_out = np.maximum(0, x) # 利用 0 标量与 x 进行 ufunc 广播比较
   print("ReLU 变换结果:", relu_out)

本章小结

在本节中，我们全面掌握了 NumPy 通用函数 ufunc 的核心体系：

• 掌握了 ceil、floor、rint、sqrt、log 等常见一元 ufunc；
• 学会了使用 np.isnan() 准确嗅探与清洗缺失数据；
• 深刻厘清了逐元素相乘（A * B）与矩阵代数点乘（A @ B）的本质边界；
• 掌握了 np.maximum 等二元比较函数在特征截断中的高阶用法。

📋 行动清单

• 牢记 A * B 与 A @ B 的差异，避免在算法中用错乘法。
• 做好准备，进入第 4 章压轴大实战——《实战：2016 美国大选民调数据统计分析》！

—— 小象教研组