python - Numpy 2D 点运算、索引和迭代。如何优化？

Question

我需要从代码中消除这个瓶颈。希望有人能帮助我。

我有以下迭代(摘自 nn 反距离插值算法):

jinterpol=0
for w, ix in zip(wds, ixs):
        wz = np.vdot(w, z[ix])
        result[jinterpol] = wz
        jinterpol += 1

我尝试删除 for 循环:

result = np.dot(wds, z[ixs])

但当然它说 ValueError: 对象未对齐

你能给我一些建议吗？非常感谢。

形状是:

• wds:(550800, 8)
• z:(212065，)
• z[ixs]: (550800, 8)
• ix:(550800, 8)

和

• len(zip(距离, ixs)): 550800
• w:(8，)
• ix: (8,)

Answer 1

您可以使用np.einsum :

>>> import numpy as np
>>> wds = np.random.rand(550800, 8)
>>> z = np.random.rand(212065)
>>> ixs = np.random.randint(212065, size=(550800, 8))

>>> np.einsum('ij,ij->i', wds, z[ixs])
array([ 1.65069924,  3.26203701,  3.16035664, ...,  1.76963986,
        2.09727537,  1.94905991])

>>> np.vdot(wds[0], z[ixs[0]])
1.6506992361953157
>>> np.vdot(wds[1], z[ixs[1]])
3.2620370116548827