我有以下问题：我有一个yj大小矩阵(m,200)（.m = 3683yj
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。