Numpy 通过矩阵操作避免for循环 之 [None, :, :]运用

本文探讨了Python中使用矩阵向量操作提升代码效率的方法,通过None indexing扩展矩阵维度,避免for循环,实现快速矩阵运算和求和操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我们知道python中 for 循环的效率是不高的,相比之下,直接运用矩阵向量操作(如点乘)可以让代码运行更快。因为在复现paper时候遇到了这样的问题,在这里总结一下我的解决方法。

[None, :, :] 介绍

通过None indexing,可以将一个二维矩阵扩展成一个三维矩阵,算是一种 broadcasting吧。一个大小为[a, b]的矩阵M,在A=M[None, :, :]操作下,A的大小变为[1, a, b],就相当于在第一维度下有一个大小为[a, b]的矩阵。

类似的,还有[:, None, :],[:, :, None]操作。

[a, b]–>[:, None, :]–>[a, 1, b]
[a, b]–>[:, :, None]–>[a, b, 1]

总之,None 的作用就是在相应的位置上增加了一个维度,在这个维度上只有一个元素

具体来看一下一个例子。

import numpy as np
matrix = np.array([[1,2,3],[4,5,6]])
None_1 = matrix[None,:,:]
None_2 = matrix[:,None,:]
None_3 = matrix[:,:,None]	

matrix_T = matrix.T
None_1_T = matrix_T[None,:,:]
None_2_T = matrix_T[:,None,:]
None_3_T = matrix_T[:,:,None]

结果如下
None
在这里插入图片描述
通过None Indexing 的操作可以将矩阵分解成几块,然后再利用np.sum就可以简化求和操作了,这一块下一篇博客会介绍,敬请期待~

更新:[https://blog.youkuaiyun.com/TigerTai98/article/details/116508221] (加速求和) 这篇博客介绍了一种加速求和的办法

回答: 在使用numpy时,可以避免使用for循环来处理向量的数学运算。numpy是一个基于对向量数学运算进行了优化的低级库,它的内部细节和for循环不同,优化非常复杂。因此,使用numpy的向量化操作可以显著提高运算效率。例如,可以使用np.log(v)、np.abs(v)、np.maximum()、v**2、1/v等操作来对numpy矩阵进行处理。此外,还可以使用自定义函数作用于向量的每个元素,可以使用np.vectorize()函数将自定义函数向量化,从而避免使用for循环。\[1\]\[2\] 在Python中,如果需要在一个for循环内部使用另一个for循环,可以使用嵌套for循环。嵌套for循环是指在一个for循环内部再嵌套一个for循环。例如,可以使用嵌套for循环来打印乘法表。以下是一个简单的嵌套for循环示例: ```python for i in range(1, 10): for j in range(1, i + 1): print(i, "*", j, "=", i * j, end='\t') print() ``` 这段代码会打印出1到9的乘法表。\[3\] #### 引用[.reference_title] - *1* *2* [numpy库和for循环效率比较](https://blog.youkuaiyun.com/qq_43212582/article/details/104657691)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Python for循环简介与使用方法](https://blog.youkuaiyun.com/qq_54037316/article/details/130288588)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值