Question

我有一个2D矩阵，我需要对矩阵元素的一个子集求和，给出两个索引列表imp_list和bath_list。这就是我现在正在做的事情：

s = 0.0
for i in imp_list:
    for j in bath_list:
        s += K[i,j]

似乎很慢。什么是更好的解决方案来执行总和？

Answer 1

如果您正在使用大型阵列，那么通过使用NumPy自己的索引程序而不是Python的for循环，您应该可以大大提高速度。

在一般情况下，您可以使用np.ix_选择矩阵的子阵列求和：

K[np.ix_(imp_list, bath_list)].sum()

请注意，np.ix_会带来一些开销，因此如果您的两个列表包含连续或均匀间隔的值，则值得使用常规切片来索引数组（请参阅下面的method3()）

这里有一些数据来说明改进：

K = np.arange(1000000).reshape(1000, 1000)
imp_list = range(100)  # [0, 1, 2, ..., 99]
bath_list = range(200) # [0, 1, 2, ..., 199]

def method1():
    s = 0
    for i in imp_list:
        for j in bath_list:
            s += K[i,j]
    return s

def method2():
    return K[np.ix_(imp_list, bath_list)].sum()

def method3():
    return K[:100, :200].sum()

然后：

In [80]: method1() == method2() == method3()
Out[80]: True

In [91]: %timeit method1()
10 loops, best of 3: 9.93 ms per loop

In [92]: %timeit method2()
1000 loops, best of 3: 884 µs per loop

In [93]: %timeit method3()
10000 loops, best of 3: 34 µs per loop

给定索引列表的数组的部分和

1 个答案: