Geri döngü için aşağı itmek nasıl

Question

Ben tam olarak ne istediğimi yapan bir kod parçası var (bu bir kriging yönteminin bir parçasıdır). Ama sorun şu ki, çok yavaş ilerliyor, ve for-loop'u aşağıya itmek için herhangi bir seçenek olup olmadığını bilmek isterim? Eğer numpy.sum'u dışarı çıkarırsam ve oradaki eksen argümanını kullanırsam, biraz hızlanır, ama görünüşe göre bu darboğaz değildir. i forloop aşağı itebilir nasıl bir fikir bunu hızlandırmak için numpy için mi yoksa başka yolları da hızlandırmak için?)

# 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) 

ben bazı şeyler

temizlemek için ndarrays n matris boyutları yayınlanmıştır

düzenleme: VV şekli temelde sonra vektör tüm unsurları ekleyerek, GRZVV her satırı alarak GinvVV ile çarpılarak, sonunda 1 sona eklendiğini 2116

Answer 1

Sen k üzerine döngü yerine aşağıdaki yapabileceğini (çalışma zamanı ~ 3 sn):

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) 

Answer 2

olduğunu. Hatta

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

ya: burada "1 eklemek" şeyi yapmıyor olsaydı, hiçbir döngüler ile tüm Yapabiliriz

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

nasıl o ekstra 1 ele? Peki, matris çarpımından gelen sonuç vektörü, GinvVV[:, -1]'daki karşılık gelen değerle artırılacak ve hepsini eklediğinizde, değer np.sum(GinvVV[:, -1]) tarafından artırılacaktır. Yani biz sadece bir kez bu hesaplar ve dönüş vektörü tüm öğelere ekleyebilirsiniz: VV bir skaler ise

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

---

Yukarıdaki kod çalışır. o şekil (n,) dizisi ise, o şu çalışacaktır:

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