在numpy中更快的histogram2d计算

Question

我有一个代码，用于计算关节分布的熵，并使用histogram2d来计算大小为20000 x 300（和这样大的数据集）矩阵的所有列的**成对**联合熵，即。，n * n- 1/2计算

大部分时间都花在计算关节数上。简单的cProfiling揭示了以下代价高昂的功能：

   histogram2d ->  histogramdd -> atleast_2d -> asarray -> numpy.core.multiarray.array
       87%            85%     |       40%          38%             39%
                              |-->  digitize
                                      10 %

我认为np.digitize是进行计数的大部分工作的人。但似乎很多时间正在被asarray等其他功能所采取！有人可以用更简单的方式指出如何更快地进行这些计算！ （即，显然没有指向我在C / C ++中编写直方图功能？）

提前致谢。这个问题与我之前发布的MI的计算有关： Optimal way to compute pairwise mutual information using numpy