代码之家 › 专栏 › 技术社区 › mzzx

numpy-矢量化函数:在\u轴上应用\u/沿\u轴应用\u

numpy-broadcasting numpy python

3

mzzx · 技术社区 · 6 年前

我想计算m的行列式 m*n维数组,并希望以一种快速/更优雅的方式来实现这一点。蛮力方法有效:

import numpy as n

array=n.array([[[0.,1.,2.,3.],[2,1,1,0]],[[0.5, 0.5,2,2],[0.5,1,0,2]]])
detarray=n.zeros(4)
for i in range(4):
    detarray[i]= n.linalg.det(array[:,:,i])

我本想用apply\沿\轴来做这件事,但我知道这只适用于函数的1D参数,所以我想我不能让它工作。

但是,我认为在\u轴上应用\u也应该起作用:

n.apply_over_axes(n.linalg.det, array, [0,1])

但这给了我一个错误:

有人知道为什么这样不行吗?如果这种类型的计算真的不可能用apply\u over\u轴,有没有比for循环更好的方法呢?

2 回复 | 直到 6 年前

1

2

kmario23 Mazdak 6 年前

利用 transpose semantics of NumPy numpy.linalg.det() 例如:

In [13]: arr = np.array([[[0.,1.,2.,3.], 
                          [2, 1, 1, 0]], 

                         [[0.5, 0.5,2,2],
                          [0.5, 1, 0, 2]]])

In [14]: np.linalg.det(arr.T)
Out[14]: array([-1. ,  0.5, -2. ,  6. ])

从性能角度来看,这种方法似乎是可行的 快一倍 另一种方法是使用 numpy.moveaxis

In [29]: %timeit np.linalg.det(np.moveaxis(arr, 2, 0))
12.9 Âµs Â± 192 ns per loop (mean Â± std. dev. of 7 runs, 100000 loops each)

In [30]: %timeit np.linalg.det(arr.T)
6.2 Âµs Â± 136 ns per loop (mean Â± std. dev. of 7 runs, 100000 loops each)

2

1

Paul Panzer 6 年前

numpy.linalg.det 是矢量化的开箱即用。只需将外轴向左移动:

>>> np.linalg.det(np.moveaxis(array, 2, 0))
array([-1. ,  0.5, -2. ,  6. ])