我有一个函数 A
,它的输入是一个名为 x
的 numpy 向量 (numpy.ndarray)。此函数为 x
的每个元素计算该元素本身与 x
的其他元素的总和,这些元素由这些元素的列表给出。
下面的例子应该能更好地说明这一点:
x = [[2,3], [3,4], [1,2], [1,3], [1,4]] # my input
n = [[1,2,3], [0,4,2], [3,0,1], [0,1,4], [3,1,2]] # list with lists of element to be added for each element in x
所以对于 x 的第一个元素,即 x[0] = [2,3],我必须添加 n[0] 给定的值,所以它们是 1、2 和 3。我通过 x[n[0][0]]、x[n[0][1]] 和 x[n[0][2]]
。
该示例的预期输出应该是:
l = [[11, 18], [13, 21], [9, 16], [9, 20], [8, 21]]
元素 x[i] 的最终总和应该是
(x[i] + x[n[i][0]] + x[i] + x[n[i][1]] + x[i] + x[n[i][2]])
函数的返回值是每个计算总和的列表。
因为这是迭代的,所以我遍历了列表 x 和 n。以下代码实现了这一点,但在列表 x 和 n 中逐个元素。
def A(x):
a = []
for i, x_i in enumerate(x):
mysum = np.zeros(2)
for j, n_j in enumerate(n[i]):
mysum = mysum + x_i + x[n_j]
a.append(mysum)
return np.array(a)
我想让这段代码更加矢量化,但这是几天前以来我最好的。
编辑:如果有帮助,我总是对每个元素求和 3 个值,因此 n
的子列表的长度始终为 3。
最佳答案
(请参阅末尾的更新以获得更简单、更快速的解决方案)
这可以通过广播技术在没有 for 循环的情况下完成
def C(x,n):
y = x[n.ravel()-1]
z = y.reshape((-1,3,2))
xx = x[:,np.newaxis,:]
ans = z+xx
ans = ans.sum(axis=1)
return ans
与使用 for 循环的解决方案相比,它至少快 5-6 倍。
In [98]: np.all(A(x,n)==C(x,n))
Out[98]: True
In [95]: %timeit ans=A(x,n)
10000 loops, best of 3: 153 us per loop
In [96]: %timeit ans=C(x,n)
10000 loops, best of 3: 27 us per loop
更新
Jaime 将我的 6 行代码减少为简单的 1 行代码(查看下面的评论),而且速度也提高了 20%。
ans = 3*x + x[n-1].sum(axis=1)
关于python - 如何改进这个python矢量函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23851463/