快速（呃）numpy花式索引和减少？

Question

我正在尝试使用并加速花哨的索引以“连接”两个数组，并在一个结果'轴上求和。

这样的事情：

$ ipython
In [1]: import numpy as np
In [2]: ne, ds = 12, 6
In [3]: i = np.random.randn(ne, ds).astype('float32')
In [4]: t = np.random.randint(0, ds, size=(1e5, ne)).astype('uint8')

In [5]: %timeit i[np.arange(ne), t].sum(-1)
10 loops, best of 3: 44 ms per loop

是否有一种简单的方法可以加速In [5]中的陈述？我应该使用OpenMP以及scipy.weave或Cython的{​​{1}}之类的内容吗？

Answer 1

出于某种原因，

numpy.take比花哨的索引要快得多。唯一的技巧是它将数组视为平坦。

In [1]: a = np.random.randn(12,6).astype(np.float32)

In [2]: c = np.random.randint(0,6,size=(1e5,12)).astype(np.uint8)

In [3]: r = np.arange(12)

In [4]: %timeit a[r,c].sum(-1)
10 loops, best of 3: 46.7 ms per loop

In [5]: rr, cc = np.broadcast_arrays(r,c)

In [6]: flat_index = rr*a.shape[1] + cc

In [7]: %timeit a.take(flat_index).sum(-1)
100 loops, best of 3: 5.5 ms per loop

In [8]: (a.take(flat_index).sum(-1) == a[r,c].sum(-1)).all()
Out[8]: True

我认为除此之外你唯一能看到速度提升的另一种方法是使用类似PyCUDA的内容为GPU编写自定义内核。