向量化Python中的累积和

问题描述：

我试图向量化/广播（不知道它是什么形式调用）我的代码，以使其更快，但我不明白。我认为我应该使用的是numpy.cumsum（axis = 0），但我不知道如何在正确的数组中使用它（快速）。向量化Python中的累积和

我想要的代码基本上是l1的绝对总和，用于将l2中的每个元素添加到l1中的所有数字。所以这不是一个答案，而是len（12）个答案。下面的（非矢量化）代码给出了正确的输出。

# l1 and l2 are numpy arrays 
    for i in l2: 
     l1 += i 
     answer = numpy.sum(numpy.absolute(l1)) 
     print answer

任何人都可以提供答案或提示吗？

答

诀窍是首先将两个一维数组组合成一个单一的二维数组，然后对其进行求和。如果您有一个形状为(a,1)的矢量，并且您用形状为(b,)的阵列广播它，则生成的阵列将形状为(a,b)。在数组中添加长度为1的额外轴可以很方便地得到这种行为。

这里有一种方式来获得无环路

# Assume l1 has length n1, l2 has length n2 
suml2 = np.cumsum(l2) # length n2 
y = l1 + suml2[:,np.newaxis] # shape (n2, n1) 
answer = np.sum(np.abs(y), axis=1) # shape (n2,)

它的工作原理相同的答案，但它是稍微慢一些，或者使用大集时，给了我一个内存错误。（l1和l2约100.000大）。这个内存错误来自'y = l1 + suml2 [：，np.newaxis]'。它会创建一个100.000矩阵我假设，这可能解释了内存错误（我使用64位python） – Exclu

如果这是你的主要瓶颈，你可能想看看cython。请注意，如果你实际上并不需要'abs'，你可以用代数将它重写为'answer = np.sum（l1）+ np.cumsum（l2）'。在进行这种广播和缩减时，Numpy往往会成为一种记忆体。 – clwainwright

这个较短的表达式（没有'abs'）实际上是（通过我的测试）'np.sum（l1）+ len（l1）* np.cumsum（l2）'。无论如何，如果没有'abs'，这是一个简单的线性计算。 – hpaulj

向量化Python中的累积和

相关推荐