问题标签 [elementwise-operations]

有没有一种简单的方法可以将 F# 中的数组项相乘？

因此，例如，我想从样本中计算总体平均值，我会将观察值乘以频率，然后除以样本数。

不幸的是，这会产生这样的产品数组：-

这是所有事物的乘积，而我在点积之后（每个 i 的 x.[i]*y.[i]）。

不幸的是，在 for 循环中添加 i 变量和索引似乎不起作用。

在这里使用的最佳解决方案是什么？

假设我有两个列表：

我想递归地组合这些列表，这样结果将是一个组合元素的列表，作为一个向量，如下所示：

等等。我觉得我在这里错过了一些相对简单的东西。有什么帮助吗？

干杯。

我有两个相同形状的输入数组 x 和 y。我需要通过函数运行具有匹配索引的每个元素，然后将结果存储在第三个数组 z 中的这些索引处。完成此任务的最蟒蛇方式是什么？现在我有四个四个循环 - 我确信有一个更简单的方法。

我很困惑，因为我的函数只适用于单个数据对。我不能简单地将 x 和 y 数组传递给函数。

我想知道是否有可能在它++中做元素明智的力量。我没有看到内置函数，如果我忽略了它。我怎样才能做到这一点？

假设我有一个矩阵 A=rand(2,14,24) 和一个向量 x=10*ones(1,14)

我想要 A 和 x 的元素乘法，使得所有 j=1,2,..14 的 B(i,j,k)=A(i,j,k)*x(j)。我希望能够在不运行循环的情况下做到这一点。在 matlab 中执行此操作的最有效方法是什么？

我目前正在优化我的部分代码，因此执行一些基准测试。

我有NxN-matricesA并且T想要将它们逐元素相乘并A再次保存结果，即A = A*T. 由于此代码不可并行化，我将分配扩展为

（完整的最小工作示例位于http://pastebin.com/RGpwp2KZ。）

现在发生的奇怪事情是，无论线程数（1 到 4 之间）如何，执行时间都或多或少保持不变（+- 10%），但是 CPU 时间会随着线程数的增加而增加。这让我认为所有线程都在做同样的工作（因为我在 OpenMP 方面犯了一个错误），因此需要相同的时间。

但是在另一台计算机（有 96 个 CPU 内核可用）上，程序的行为与预期一样：随着线程数的增加，执行时间会减少。令人惊讶的是，CPU 时间也减少了（最多约 10 个线程，然后再次上升）。

可能是安装了不同的OpenMP版本gfortran。如果这可能是原因，如果您能告诉我如何找出答案，那就太好了。

我现在有了：

我希望拥有：

只需按元素添加两个列表。

我当然可以迭代这两个列表，但我不想这样做。

这样做的最 Pythonic 方式是什么？

我有两个相同形状的 numpy 数组。数组中的元素是来自 [0,N] 的随机整数。我需要检查数组中相同位置的哪些元素（如果有）是相等的。

我需要的输出是相同元素的位置。

模拟代码：

所需的输出：

我可以编写一个循环遍历所有元素，但我假设可以更快地实现所需的输出。

I have a vector [x, y, ...] in Octave and I would like to take the pth powers of the elements to get the new vector [x^p, y^p, ...]. Anybody has an idea how to do this?

您好，所以我想将列表中的整数相乘。

例如;

输出：

所以我在网上搜索，大多数答案都是关于将所有整数相乘，例如：

[1*2*3]