我应该使用 np.absolute 还是 np.abs？

Question

Numpy 提供通过

定义的 np.absolute and the alias np.abs

from .numeric import absolute as abs

这似乎明显违反了 the zen of python:

There should be one-- and preferably only one --obvious way to do it.

所以我猜这是有充分理由的。

我个人几乎在我的所有代码中都使用了 np.abs 并查看了例如Stack Overflow 上 np.abs vs np.absolute 的搜索结果数量似乎绝大多数人都这样做（2130 对 244 次点击）。

有什么理由我应该在我的代码中优先使用 np.absolute 而不是 np.abs，还是我应该使用更多 "standard" np.abs？

Answer 1

可能是因为有一个同名的内置函数，abs。 np.amax、np.amin和np.round_也是如此。

NumPy 函数的别名 abs, min, max and round 仅在顶级包中定义。

所以np.abs和np.absolute是完全一样的。使用哪一个都没有关系。

短名称有几个优点：它们更短并且为 Python 程序员所知，因为名称与内置 Python 函数相同。所以最终用户更容易（更少输入，更少记住）。

但也有不同名称的原因：NumPy（或更一般的第 3 方包）有时需要 Python 函数 abs、min 等。所以在package 他们定义了不同名称的函数，所以你仍然可以访问 Python 函数——而且只是在包的顶层你公开了 "shortcuts"。注意：在这种情况下，不同的名称并不是唯一可用的选项：如果隐藏了内置名称，可以使用 Python 模块 builtins 来访问内置函数。

也可能是这种情况（但这纯粹是我的猜测）它们最初只包含长名称函数 absolute（等等），后来才添加短别名。作为一个大型且使用良好的库，NumPy 开发人员不会轻易删除或弃用一些东西。所以他们可能只保留长名称，因为如果他们删除它们可能会破坏旧的 code/scripts。

Answer 2

还有Python's built-in abs(), but really all those functions are doing the same thing. They're even exactly equally fast! (This is not the case for other functions, like max().)

重现情节的代码：

import numpy as np
import perfplot


def np_absolute(x):
    return np.absolute(x)


def np_abs(x):
    return np.abs(x)


def builtin_abs(x):
    return abs(x)


b = perfplot.bench(
    setup=np.random.rand,
    kernels=[np_abs, np_absolute, builtin_abs],
    n_range=[2 ** k for k in range(25)],
    xlabel="len(data)",
)
b.save("out.png")
b.show()

我应该使用 np.absolute 还是 np.abs？

Should I use np.absolute or np.abs?

python

numpy

absolute-value