我已经编写了一个协方差矩阵函数，我得到的输出是正确的，但代码的问题是，对于高维数据集来说，它花费了太多时间。
您能帮我修改下面的代码以减少输出时间吗？
def cov_variance(norm_data,mean_of_mat):
col = len(norm_data)
row = len(norm_data[0])
out =[]
i = 0
sum_of_covar = 0
freezrow = 0
flag = 1
while flag<=len(mean_of_mat):
for r in range(row):
for c in range(col):
sum_of_covar+=(((norm_data[c][freezrow])-mean_of_mat[freezrow])*\
((norm_data[c][r])-mean_of_mat[i]))
freezrow=freezrow
out.append(sum_of_covar)
i+=1
sum_of_covar=0
freezrow=freezrow
flag+=1
freezrow+=1
i=0
out1 = map(lambda x : x/col-1,out)
cov_variance_output = reshape(out1,row)
return cov_variance_output
最佳答案
就像 doctorlove 已经说过的那样，不要实现你自己的。它几乎肯定会更慢和/或不太通用(根据我自己的经验)。
我尝试用此信息发表评论，但我的代表太低了。您可以在此处找到有关使用 numpy 计算协方差矩阵的信息:https://docs.scipy.org/doc/numpy/reference/generated/numpy.cov.html
关于python - 如何减少协方差函数的输出时间，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56057835/