对array数组中的元素进行调用函数，由于数组巨大，所以，希望对数据进行并行式调用函数，而不是采用for循环的形式。

Question

问题遇到的现象和发生背景

数组array或者list形式的数组，逐元素进行调用函数，由于数据量超大，运算过慢。期待病情算法

问题相关代码，请勿粘贴截图

a= np.array([[1,2],[3,4],[5,6],[7,8],[9,10],[11,12]]) # 模拟数组，而我实际的数组为a.shape=(1000,2)
Nodes=[1101,1105,1208,1306,1407,1876]  # lenth = 6 # a与Nodes是一一对应的
print(a.shape) # (6,2)
Policy= collections.defaultdict(lambda: [0, 0])
# 我的做法
for i in range(len(Nodes)):
    Policy[Nodes[i]]=a[i]
Policy

运行结果及报错内容

(6, 2)
defaultdict(<function __main__.<lambda>()>,
            {1101: array([1, 2]),
             1105: array([3, 4]),
             1208: array([5, 6]),
             1306: array([7, 8]),
             1407: array([ 9, 10]),
             1876: array([11, 12])})

我的解答思路和尝试过的方法

使用for循环的方式，逐一对元素进行操作。由于我实际的array数组太大，甚至还多次对数组元素调用函数的操作，导致运行变慢。

我想要达到的结果

希望能够实现并行操作。即对数组元素的一起调用函数。
想要实现这点的原因在与：
python中使用array数组而不是list列表就是为了遵循并行思想，提高运算效率的。
不知道这点的，请参考链接：https://blog.csdn.net/weixin_44322399/article/details/105700715

Answer 1

如果题主的函数不能适应NumPy数组的广播和矢量化的要求，只能使用自定义广播函数了。不过，自定义广播函数的效率和循环差不多。顺便说一下，题主的Policy函数感觉怪怪的，lambda看不懂。