python - 如何在 Python 中高效地对大型矩阵执行网格搜索？

Question

给定一个 nxn 矩阵 A(它实际上是图的邻接矩阵)，我需要查看该矩阵的所有可能的 mxm 子矩阵(在本例中为 m = 8)，并将子矩阵传递给函数并收集其结果。

现在，我是这样做的:

# generate all possible 8x8 submatrices 
for w in itertools.combinations(range(n), m):
         # extract 8x8 submatrix from the matrix
         submatrix = A[np.ix_(list(w),list(w))]
         # do some work on the submatrix
         foo(submatrix)

问题是:上面的代码适用于 n=30x30 矩阵(大约有 500 万个可能的 m=8x8 子矩阵要搜索)。但是，我想将我的算法应用于最多 n=100x100 个矩阵，这意味着(100 选择 8)= 1860 亿个可能的子矩阵。

有什么可以让我更快地完成这个过程？还是难以解决？

Answer 1

import numpy as np
from scipy.ndimage import generic_filter

m = np.arange(100*100).reshape((100,100))

def myfunction(data):
    mean = np.mean(data)
    return mean 

%timeit results = generic_filter(m, myfunction, size=8)
#10 loops, best of 3: 96.6 ms per loop

使用 generic_filter 的解决方案scipy.ndimage 的