Question

我的代码有两个2D numpy数组，z和weights。我正在这样迭代它们（转置它们时）：

import statsmodels.api as sm
import numpy as np

for y1, w in zip(z.T, weights.T): # building the parameters per j class
    temp_g = sm.WLS(y1, iself.X, w).fit()

这很好，直到我开始使用Numba来加速我的代码。有了Numba，我收到了这个错误：

numba.error.NumbaError: (see below)
--------------------- Numba Encountered Errors or Warnings ---------------------
        for y1, w in zip(z.T, weights.T): # building the parameters per j class
------------^
Error 82:12: Only a single target iteration variable is supported at the moment
--------------------------------------------------------------------------------

要解决这个问题，我想我可以这样做：

for y1 in z.T:
   for w in weights.T:
       temp_g = sm.WLS(y1, iself.X, w).fit()

但我还不太擅长python，所以我只是想知道这是不是最好的方法呢？或者，如果还有另一种更优化的方式？

Answer 1

看起来Numba不支持分配解包。分配给一个目标，然后解决元组中的两个索引：

for y1_w in zip(z.T, weights.T):
    temp_g = sm.WLS(y1_w[0], iself.X, y1_w[1]).fit()

此处y1_w是一个包含z.T和weights.T的配对元素的元组，因此是两个元素的元组。您可以使用索引来处理每个元素。

你可以在循环体中的for语句之外使用赋值解包：

for y1_w in zip(z.T, weights.T):
    y1, w = y1_w  # unpack the zip pair 'manually'
    temp_g = sm.WLS(y1, iself.X, w).fit()

将压缩迭代器分离成单个迭代器？

1 个答案: