代码之家 › 专栏 › 技术社区 › Jundiaius

外积与向量运算平坦化

numpy python

Jundiaius · 技术社区 · 7 年前

我正在用二维数组执行以下操作 m 以及一维阵列 v :

result = np.array([np.outer(v, m_row).flatten() for m_row in m])

不过,这比numpy纯向量操作慢得多,因为我使用的是列表理解和 np.array 最后。

我能做这个吗 outer 矩阵中每行只有一个运算的乘积?或者至少只使用向量运算,而不使用循环或列表理解?

1 回复 | 直到 7 年前

Jundiaius 7 年前

扩展尺寸,然后使用 broadcasting -

(m[:, None, :]*v[:, None]).reshape(m.shape[0], -1)

或者,与 np.einsum -

np.einsum('ij,k->ikj', m, v).reshape(m.shape[0], -1)

为了 m 形状 (30, 5) 和 v 形状 (6,) :

%timeit (m[:, None, :]*v[:, None]).reshape(m.shape[0], -1)
# 5.93 Âµs Â± 77.6 ns per loop (mean Â± std. dev. of 7 runs, 100000 loops each)

%timeit np.einsum('ij,k->ikj', m, v).reshape(m.shape[0], -1)
# 5.44 Âµs Â± 61.8 ns per loop (mean Â± std. dev. of 7 runs, 100000 loops each)

%timeit np.array([np.outer(v, m_row).flatten() for m_row in m])
# 179 Âµs Â± 18.9 Âµs per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

推荐文章