如何将for循环推向numpy

我有以下一段代码正在执行我想要的操作（它是克里金方法的一部分）。但问题是它太慢了，我想知道是否有任何选项可以将for循环压缩到numpy？如果我推出numpy.sum，并在那里使用axis参数，它会加快一点，但显然这不是瓶颈。如何我可以倒推for循环的任何想法，numpy的加快步伐，或其他方式来加快步伐？）如何将for循环推向numpy

# n = 2116 
print GRZVV.shape # (16309, 2116) 
print GinvVV.shape # (2117, 2117) 
VVg = numpy.empty((GRZVV.shape[0])) 

for k in xrange(GRZVV.shape[0]): 
    GRVV = numpy.empty((n+1, 1)) 
    GRVV[n, 0] = 1 
    GRVV[:n, 0] = GRZVV[k, :] 
    EVV = numpy.array(GinvVV * GRVV) # GinvVV is numpy.matrix 
    VVg[k] = numpy.sum(EVV[:n, 0] * VV)

我张贴的ndarrays n矩阵的尺寸以清除一些东西出来

编辑：VV的形状是2116

来源

2013-09-23 usethedeathstar

什么形状是' VV'？ –

如果'VV.shape ==（16309，）'，你怎么能通过形状为'（n，）'的'EVV [：n，0]'来生成它？ – askewchan

也许你的循环的最后一行应该有'EVV [：n，0] * VV [k]'，这似乎是@ Jaime的答案所假设的。 – askewchan

你可以做的地方你的循环下在K（运行时〜3秒）：

tmp = np.concatenate((GRZVV, np.ones((16309,1),dtype=np.double)), axis=1) 
EVV1 = np.dot(GinvVV, tmp.T) 
#Changed line below based on *askewchan's* recommendation 
VVg1 = np.sum(np.multiply(EVV1[:n,:],VV[:,np.newaxis]), axis=0)

来源

2013-09-23 13:25:24

这给出了与@ usethedeathstar的代码相同的结果，并且在我的机器上运行速度提高了15倍。 – askewchan

不需要拼贴，因为'np.multiply'广播。将其更改为：'VVg1 = np.sum（np.multiply（EVV1 [：n，：]，VV [：，np.newaxis]），axis = 0）'用于小加速。 – askewchan

+1好电话....我编辑了上面的行...谢谢 –

你基本上是采取GRZVV的每一行，在末尾附加1，将它乘以GinvVV，然后将向量中的所有元素相加。

VVg = np.sum(np.dot(GinvVV[:, :-1], GRZVV.T), axis=-1) * VV

甚至：如果你不这样做的“追加1”的东西，你可以不循环的做这一切

VVg = np.einsum('ij,kj->k', GinvVV[:, :-1], GRZVV) * VV

我们如何处理这些额外的1？那么，来自矩阵乘法的结果向量将会增加GinvVV[:, -1]中的相应值，并且当您将它们全部相加时，值将会增加np.sum(GinvVV[:, -1])。因此，我们可以简单地计算这一次，并将其添加到在返回向量中的所有项目：

VVg = (np.einsum('ij,kj->k', GinvVV[:-1, :-1], GRZVV) + np.sum(GinvVV[:-1, -1])) * VV

上面的代码工作，如果VV是一个标量。如果是形状(n,)的数组，然后下面的工作：

GinvVV = np.asarray(GinvVV) 
VVgbis = (np.einsum('ij,kj->k', GinvVV[:-1, :-1]*VV[:, None], GRZVV) + 
      np.dot(GinvVV[:-1, -1], VV))

来源

2013-09-23 13:19:19 Jaime

With @ usethedeathstar的编辑，'VV.shape'现在是2116，所以不会在您的解决方案中广播（因为'Wg.shape'是16309 ） – askewchan

认为这是一个标量。使用完整的数组，不像Joel的答案那样将数组折叠到最后，对于大数组来说，要比上面的要快得多。 – Jaime

如何将for循环推向numpy

回答

相关问题