加快嵌套循环操作

我有从转换numpy的矩阵生成的嵌套列表列出嵌套列表中的每个值：加快嵌套循环操作

[ 
    [0.65, 0.66, 4.29, 2.91, 0.17, 3.92, 2.24, 0.56, 8.99, 0.34, 0.0], 
    [0.012, 0.038, 0.072, 0.236, 0.012, 0.258, 0.075, 0.003, 0.0, 0.002, 0.0], 
    [0.003, 0.039, 0.138, 0.02, 0.002, 0.32, 0.013, 0.001, 0.999, 0.0, 0.0], 
    [0.154, 0.043, 0.737, 0.475, 0.028, 0.002, 0.485, 0.145, 0.0, 0.035, 0.0], 
    [0.018, 0.0, 0.019, 0.175, 0.01, 0.0, 0.065, 0.0, 0.0, 0.0, 0.0], 
    [0.0801, 0.0, 0.6707, 0.1496, 0.0112, 0.0, 0.2668, 0.0798, 0.0, 0.0385, 0.0], 
    [118.0, 88.0, 120.0, 186.0, 220.0, 146.0, 157.0, 150.0, 50.0, 50.0, 0.0], 
    [1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0], 
    [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0] 
]

我目前通过每一个元素循环执行以下操作：

A1 = A.tolist() 

for index, v in enumerate(A1): 
    for index2, v2 in enumerate(v): 
     A1[index][index2] = float(v2 + offsets[index])/norms[index] * priorita[index] 

A1 = np.matrix(A1)

由于此操作执行超过3.000.000次，这是我的应用程序的瓶颈。

是否有任何本地方法的numpy，可以帮助我的表演？
像地图替换枚举可以帮助我的表演吗？

请提供示例和文档链接。

谢谢。

来源

2014-04-26 Riccardo Bartoli

好奇：你为什么把它列入清单？将它作为NumPy数组将允许您使用矢量化操作，并且所有相同的索引仍然可以工作。 – nneonneo

否则，我得到以下错误：TypeError：只能将长度为1的数组转换为Python标量 –

然后，您应该尝试找出代码不工作的原因。绝对不值得转换到Python列表来进行计算，特别是如果您以后只需转换回数组。 – nneonneo

在下面的假设下，这应该给你相同的结果。

A1 = (A1+offsets)*(priorita/norms)

假设：

A1：n * m个矩阵
offsets：N * 1向量
norms：N * 1向量
priorita：N * 1向量
这些都是numpy.array

来源

2014-04-26 00:56:49 ysakamoto

所有的假设都是正确的。在我的测试案例中，n = 18和m = 11。我使用了'A1 =（A +偏移量）*（priorita/norms）'，但是我得到了ValueError：操作数不能与形状一起广播（18,11） 18） –

一切都必须转换为'numpy.ndarray'格式。例如，如果你做'norms.shape'，你应该得到'（18,1）'。 – ysakamoto

伟大的，现在偏移量。形状，norm.shapes和priorita.shape都返回（18，1）和A1.shape返回（18,11）。不过，我现在在包含'A1 =（A1 + offset）*（priorita/norms）' –

加快嵌套循环操作

回答

相关问题