问np矩阵的列表理解
EN

Stack Overflow用户

提问于 2017-08-31 01:32:35

回答 1查看 47关注 0票数 0

我有两个np.matrixes，其中一个我正在尝试正常化。我知道，一般而言，列表理解比for循环更快，所以我尝试将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])

这是我到目前为止所得到的：

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

但我认为我采取了错误的方法，因为我看不到任何显着的时间差。

任何帮助都将不胜感激。

发布于 2017-08-31 01:46:19

首先，如果你真的指的是np.matrix，那就停止使用np.matrix。它有各种各样令人讨厌的不兼容性，而且它的作用现在已经过时了，因为有了矩阵乘法的@。即使您坚持使用没有@的Python版本，使用带有普通ndarray的dot方法仍然比处理np.matrix要好。

您不应该对NumPy数组使用任何类型的Python级别的迭代构造，无论是for循环还是列表理解，除非您确定没有更好的选择。假设A是2D的，B是1D的，形状分别为(q, q)和(q,)，对于这种情况，您应该做的是

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

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

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/45966520

复制

相似问题

问np矩阵的列表理解EN