Question

我有两个numpy数组X和Y，其形状为X.shape == (m,d)和Y.shape == (n,d)，其中m，n和{ {1}}是非平凡的尺寸。我需要创建一个形状为d的第三个数组Z。

元素Z.shape == (m,n)是获取Z[i,j]然后对所有f(X[i,k],Y[j,k]) for k in range(d)进行求和的结果，对于某些 非线性 k。

这样做的显而易见的方法是：

但我真正想问的是，是否有某种聪明的广播技巧可以用来计算Z = numpy.zeros((m,n), dtype = numpy.float64) for i in range(m): for j in range(n): Z[i,j] += (f(X[i,:],Y[j,:])).sum() # I can compose f from ufuncs：

尽可能利用numpy的优化
执行此操作而不在内存中放置一个形状Z数组（(n,m,d)双精度数将适合内存，但n*m双精度数不会存在）

有谁知道这样做的方法？提前谢谢。

Answer 1

以下是您不想要的解决方案，我已将其包含在内，因为我相信这是解决您问题的“规范”解决方案。

# A simple function of x, y
def f(x, y):
    return 2*x + 3*y**2

x = x.reshape((m, 1, d))
y = y.reshape((1, n, d))
temp = f(x, y)
Z = temp.sum(2)

如果您想避免创建非常大的临时数组temp，可以尝试循环d维度。在某些情况下，以下循环的开销将非常小，您将获得几乎相同的性能，并且内存使用量更少。

Z = np.zeros((m, n))
for i in range(d):
    Z += f(x[:, :, i], y[:, :, i])

如果有帮助，请告诉我。

功能应用和减少大型阵列

1 个答案: