Question

对于我的一个项目，我需要通过以下方式将函数应用于数组：

a = value_function(arr, beta=beta_adj(beta, T = i), alpha = alpha/i)

其中value_function是需要应用于数组arr来创建目标数组a的函数。

beta是value_function的输入，由另一个称为beta_adj的函数确定，该函数将两个值作为输入（beta和T）。

beta_adj(beta, T = i)

T因子应等于数组arr的行号（i表示该行）。

对于alpha因子也应执行相同的操作，其中alpha将除以行号（i再次表示行号）。

alpha = alpha / i

是否有一种方法可以提高时间效率并避免使用for循环遍历每个数组行（请参见下面实现的示例）？

for i in range(len(arr)):
    if i == 0:
        a = value_function(arr[0], beta=beta_adj(beta, T = i), alpha = alpha/i )
    else:
        a = np.concatenate((a, np.matrix(value_function(arr[i], beta=beta_adj(beta, T = i), alpha = alpha/i)))), axis = 0)

Answer 1

当前，在for循环中，第一次迭代创建a，随后的迭代将matrix连接到a。每个这样的连接都是昂贵的操作，重复连接绝对不是一个好主意。

请勿在{{1}}循环内创建或连接到a。

选项1：

在for循环中，只需累积for对list返回的matrix对象的引用。退出value_function循环后，仅将for设为one call，将矩阵对象列表作为第一个参数传递。

选项2：

如果事先知道返回矩阵对象的确切大小（元素数）（在numpy.concatenate()循环之前），请使用这些数字预先创建for数组（在{{1之前） }}循环），完整大小，但不进行任何初始化。为此，您可以使用a。

然后，在for循环内，使用每个矩阵对象对此完整尺寸numpy.empty()数组的相关部分执行分配。同样，我们避免重复连接，因此肯定会加快处理速度。

将函数应用于数组，其中函数的因素之一取决于数组的行索引

1 个答案: