我有以下问题:我有一个yj
大小矩阵(m,200)
(.m = 3683
yj
现在,我必须多次访问这个矩阵(大约 100 万次),并且我的代码由于索引而变慢(我已经分析了代码,这一步需要 65% 的时间)。
这是我尝试过的:
- 首先,使用索引进行切片:
>> %timeit yj[R_u_idx_train[1]]
10.5 µs ± 79.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
变量R_u_idx_train
是具有行索引的字典。
- 我认为布尔索引可能会更快:
>> yj[R_u_idx_train_mask[1]]
10.5 µs ± 159 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
R_u_idx_train_mask
是一个字典,它返回一个大小为的布尔数组,m
其中给出的索引R_u_idx_train
设置为 True。
- 我也试过
np.ix_
>> cols = np.arange(0,200)
>> %timeit ix_ = np.ix_(R_u_idx_train[1], cols); yj[ix_]
42.1 µs ± 353 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
- 我也试过
np.take
>> %timeit np.take(yj, R_u_idx_train[1], axis=0)
2.35 ms ± 88.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
虽然这看起来很棒,但事实并非如此,因为它给出了一个形状的数组(R_u_idx_train[1].shape[0], R_u_idx_train[1].shape[0])
(应该是(R_u_idx_train[1].shape[0], 200)
)。我想我没有正确使用该方法。
- 我也试过
np.compress
>> %timeit np.compress(R_u_idx_train_mask[1], yj, axis=0)
14.1 µs ± 124 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
- 最后我尝试使用布尔矩阵进行索引
>> %timeit yj[R_u_idx_train_mask2[1]]
244 µs ± 786 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
那么,10.5 µs ± 79.7 ns per loop
我能做到最好吗?我可以尝试使用cython
,但这似乎只是索引的很多工作......
非常感谢。