python - 如何在 python 中将函数(矩阵 -> 标量)应用于 3 维的 numpy 数组

标签 python arrays numpy

假设我有 3 维 numpy 数组 a,例如如下:

import numpy as np
a = np.random.randn(3, 3, 3)

如何将(矩阵->标量)类型函数应用于a?更具体地说,我想以一种计算效率更高的方式做如下等效的事情:

[np.linalg.det(e) for e in a]

最佳答案

np.linalg.det(a) 似乎工作得很好,并且运行时间明显更好:

a = np.random.rand(100,3,3)

%timeit -n 100 [np.linalg.det(e) for e in a]
626 µs ± 26.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit -n 100 np.linalg.det(a)
33.9 µs ± 7.08 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

关于python - 如何在 python 中将函数(矩阵 -> 标量)应用于 3 维的 numpy 数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64140601/

相关文章:

javascript - 如何在 JavaScript 中用数字填充表格?

javascript - 如何将对象插入数组,然后调用该数组中对象的部分内容

python - Python 中 2 的幂的列表理解因 numpy 数组而失败

python - 定义的特殊字符含义

python - 在 Pandas 数据框中使用 groupby 时,如何根据前一行的值增加一列?

python - Django:按[无,其他]中的值过滤

arrays - 接受范围作为数组参数

Python BeautifulSoup - 无法读取网站分页

python - 如何使用 numpy 或 pandas 仅在 python 中的两行之间读取数据?

python - 将 numpy 数组作为行添加到 pandas 中,并以字符串作为索引