math.fsum用于多维数组

Question

我有一个维度@Bean @Order(0) public RequestContextListener requestContextListener() { return new RequestContextListener(); } 的numpy数组，我想在其中添加第一个维度以接收形状(i, j)的数组。通常情况下，我会使用NumPy自己的sum

(j,)

但在我的情况下它并没有削减它：有些总和非常病态，所以计算结果只有几个正确的数字。

math.fsum非常适合保留错误，但它仅适用于一维的可迭代。 numpy.vectorize也无法完成这项工作。

如何有效地将import numpy a = numpy.random.rand(100, 77) numpy.sum(a, axis=0) 应用于多个维度的数组？

Answer 1

这个对我来说足够快。

import numpy
import math

a = numpy.random.rand(100, 77)
a = numpy.swapaxes(a, 0, 1)
a = numpy.array([math.fsum(row) for row in a])

希望它是您正在寻找的轴（返回77个总和）。

Answer 2

查看signature关键字vectorize。

_math_fsum_vec = numpy.vectorize(math.fsum, signature='(m)->()')

不幸的是，它比for解决方案慢：

重现情节的代码：

import math
import numpy
import perfplot


_math_fsum_vec = numpy.vectorize(math.fsum, signature='(m)->()')


def fsum_vectorize(a):
    return _math_fsum_vec(a.T).T


def fsum_for(a):
    return numpy.array([math.fsum(row) for row in a.T])


perfplot.save(
    'fsum.png',
    setup=lambda n: numpy.random.rand(n, 100),
    kernels=[fsum_vectorize, fsum_for],
    n_range=[2**k for k in range(12)],
    logx=True,
    logy=True,
    )