np矩阵的列表理解

Question

我有两个np.matrixes，其中一个我试图规范化。我知道，一般来说，列表推导比循环更快，所以我试图将我的double for循环转换为列表表达式。

# normalize the rows and columns of A by B 
for i in range(1,q+1): 
    for j in range(1,q+1): 
     A[i-1,j-1] = A[i-1,j-1]/(B[i-1]/B[j-1]) 

这是我迄今为止得到：

A = np.asarray([A/(B[i-1]/B[j-1]) for i, j in zip(range(1,q+1), range(1,q+1))]) 

，但我想我采取错误的做法，因为我没有看到任何显著的时间差。

任何帮助，将不胜感激。

Answer 1

首先，如果您确实是指np.matrix，请停止使用np.matrix。它有各种各样令人讨厌的不兼容性，现在矩阵乘法存在@，它的作用已经过时。即使你被困在没有@的Python版本上，在正常的ndarray下使用dot的方法仍然比处理np.matrix要好。

除非您确定没有更好的选项，否则不应使用任何类型的Python级迭代构造和NumPy数组，无论是for循环还是列表解析。假设A是2D和B是一维与形状(q, q)和(q,)分别，你应该不是这种情况下做的是

A *= B 
A /= B[:, np.newaxis] 

broadcasting在A操作。这将允许NumPy直接在数组的底层数据缓冲区上执行C级迭代，而不必创建包装对象并对每个操作执行动态分派。