Question

由于High performance calculation of least squares difference from all possible combinations (n lists)：

，我刚开始学习一些numpy

现在我对计算很不满意，可以使用一些帮助。

我有一个numpy数组对象，如下所示：

>>> items
array([[ 246, 1143, 1491, ..., 1167,  325, 1158],
       [ 246, 1143, 1491, ..., 1167,  519, 1158],
       [ 246, 1143, 1491, ..., 1167,  507, 1158],
       ..., 
       [1491, 1143,  246, ..., 1167,  325, 1158],
       [1491, 1143,  246, ..., 1167,  519, 1158],
       [1491, 1143,  246, ..., 1167,  507, 1158]])

我想得到所有成员之间差异最小的阵列数，这是一个numpythonic版本：

for num,item in enumerate(items): #Calculate for each list of items
      for n in range(len(item)):
        for i in range(n, len(item)):
          dist += (item[n]-item[i])**2 #Key formula
          if dist>min_dist: #This is a shortcut
              break
          else:
              continue
          break               
      if min_dist is None or dist < min_dist:
        min_dist = dist
        best = num #We get the number of the combination we want

我很感激任何提示。

Answer 1

初始化您的NxM数组：

>>> import numpy as np
>>> items = np.random.random_sample((10,3))

计算每个N M维向量的所有元素之间的平方和，并将结果存储在列表中：

>>> sq = [(np.subtract.outer(item,item) ** 2).sum() for item in items]

找到所有元素之间具有最小平方和的矢量索引：

>>> best_index = np.argmin(sq)

或者，为了避免中间列表：

best = np.inf
best_index = None
for i,item in enumerate(items):
    ls = (np.subtract.outer(item,item) ** 2).sum()
    if ls < best:
        best = ls
        best_index = i

Answer 2

import numpy as np
[(lambda(x):np.square(np.dot(x,-1*x)))(x) for x in items]

numpy数组项目之间的最小平方差异

2 个答案: