Question

我在numpy中有很多操作，我可以在一个循环中完美地执行，但我还没有能够在一个不正常的调用中对它们进行矢量化。

# data matrix
d = np.random.rand(1496, 1, 2)

# boolean matrix
r = np.random.rand(5, 1496, 1, 2) > 0.5

# result matrix
x = np.empty((5,))

# How can I avoid this loop?
for i in xrange(r.shape[0]):
  x[i] = d[r[i]].sum()

是否可以通过某种方式对循环进行矢量化来加快速度？

Answer 1

@Psidom方法的变体：

np.tensordot(d, r, axes=((0,1,2), (1,2,3)))

这取决于tensordot功能。来自documentation：

给定两个张量（维度大于或等于1的数组），a和b，以及包含两个array_like对象(a_axes, b_axes)的array_like对象，求和的乘积{由a和b指定的轴上的{1}}和a_axes个元素（组件）。

从根本上说，b_axes计算两个数组的乘积（就像@Psidom一样），并计算产品数组的所有元素的总和。与@ Psidom的方法相比，这种方法的唯一“优势”在于，它允许更灵活地指定哪些轴在两个数组中执行产品和求和。与@ Psidom的方法相比，它没有提供更好的性能。

另请参阅Understanding tensordot。

Answer 2

您可以将其矢量化为此;由于d是一个小于r的维度，当它们相乘时，d将在axis=0的{{1}}广播，因此避免循环;此外，由于r是一个布尔数组，r将与d[r].sum()相同：

(d*r).sum

结果与(d * r).sum(axis=(1,2,3)) # array([ 775.17049697, 728.61537246, 735.05686655, 765.19469927, # 759.44834287])相同：

Vectorise顺序numpy计算

2 个答案: