4
有什么办法可以改进我附在下面的Python代码?现在对我来说似乎太慢了。如何提高此Python代码的性能?
C_abs = abs(C)
_, n = C_abs.shape
G = np.zeros((n, n))
for i in xrange(n):
for j in xrange(n):
G[i,j] = C_abs[i,j]+C_abs[j,i]
有什么办法可以改进我附在下面的Python代码?现在对我来说似乎太慢了。如何提高此Python代码的性能?
C_abs = abs(C)
_, n = C_abs.shape
G = np.zeros((n, n))
for i in xrange(n):
for j in xrange(n):
G[i,j] = C_abs[i,j]+C_abs[j,i]
只需添加C_abs
其transposed version
-
G = C_abs + C_abs.T
要理解,看代码的运算单元:
G[i,j] = C_abs[i,j]+C_abs[j,i]
右侧第一个输入是C_abs[i,j]
,它具有与作业左侧相同的迭代器 - G[i,j]
。所以,对于一个矢量化的解决方案,我们将使用它作为第一个输入。右侧的第二个输入是C_abs[j,i]
,其迭代器是左侧迭代器的翻转版本 - G[i,j]
。在整个数组上下文中的翻转将是C_abs
的转置。因此,放在一起,我们将使用自己的转置版本添加C_abs
,以便以矢量化方式获得所需的输出。
酷!太棒了! – xxx222
这段代码是如何工作的,因为如果d