这可以用最新版本的Numba(0.27)和numpy stride_tricks
完成。你需要小心这个,它有点难看。请阅读docstring的as_strided
以确保您了解发生了什么,因为这不是“安全”的,因为它不会检查形状或步幅。
import numpy as np
import numba as nb
a = np.random.randn(20, 10)
b = np.random.randn(20)
c = np.random.randn(10)
def toto(a, b, c):
d = a - b[:, np.newaxis] * c[np.newaxis, :]
return d
@nb.jit(nopython=True)
def toto2(a, b, c):
_b = np.lib.stride_tricks.as_strided(b, shape=(b.shape[0], 1), strides=(b.strides[0], 0))
_c = np.lib.stride_tricks.as_strided(c, shape=(1, c.shape[0]), strides=(0, c.strides[0]))
d = a - _b * _c
return d
x = toto(a,b,c)
y = toto2(a,b,c)
print np.allclose(x, y) # True
我试过了,但是我得到了''reshape()支持连续数组只。当然,'toto()'不是我的实际功能 – EntrustName
你可以做'b.copy()。reshape(( - 1,1))''。如果你的数组不是连续的,我相信这将会复制,尽管不是100%确定的。 – chrisb