Question

我有这个功能：

def fun(x):   # x is a vector with size: (size_x*size_y) = n 
    c = 0
    f_vec = np.zeros((size_x*size_y))


    for i in range(size_x):
        for j in range(size_y):
             f_vec[c]=i*j*x[c]   
             c=c+1

    return f_vec

之所以这样做，是因为发生的事情是向量x（考虑size_x = 4和size_y = 3）

 x[0]=x00    #c=0  i=0,j=0
 x[1]=x01    #c=1  i=0, j=1
 x[2]=x02    #c=2   i=0. j=size_y-1
 x[3]=x10    #c=3   i=1, j=0
 x[4]=x11
  ...
 x[n]=x32    #c=n   i=size_x-1, j= size_y-1

我可以避免嵌套循环并执行简单的矢量运算吗？我想要像f [c] = F [x [c]] * i * j

但是通过知道c值来找到i和j并不是那么简单。你知道吗？

谢谢。

Answer 1

您可以为此使用广播：

(
    x.reshape(size_x, size_y) *
    np.arange(size_x)[:, None] *
    np.arange(size_y)
).ravel()

或爱因斯坦求和表

np.einsum(
    'ij,i,j->ij',
    x.reshape(size_x, size_y),
    np.arange(size_x),
    np.arange(size_y)
).ravel()

Answer 2

从本质上讲，这与Nils Werner's answer相同，但是我发现将i*j部分理解为2D ndarray np.outer(np.arange(x_size), np.arange(y_size)，然后广播：

(x.reshape(x_size, y_size) * np.outer(np.arange(x_size), np.arange(y_size)).ravel()

如果您对i*j和x_size的相同值重复进行此操作，则可以预先计算y_size部分。

Python3：向量化嵌套循环

2 个答案: