时间戳

首页 > 解决方案 > Pythonic OOP 和 sklearn/numpy 优化

python-3.x - Pythonic OOP 和 sklearn/numpy 优化

问题描述

我经常遇到这个问题，我使用 OOP 开发我的代码，当我想使用 numpy、sklearn 模块或任何其他“矩阵”加速程序时，如果不循环所有对象，我无法找出最好的方法.

例如，我有一个名为 Particle 的对象，它的坐标为 x：

class Particle(object):
     def __init__(self, x):
         self.x = x

然后我创建了一堆像：

from numpy.random import random
np = 100
p = []
points = random((np, 3))
for i in range(np):
    p.append(Particle(points[i, :]))

最后，我想得到粒子之间的距离。为此，我可以使用蛮力搜索并评估距离的范数，或者使用优化的模块来更快地完成它，例如：

from sklearn.metrics.pairwise import pairwise_distances
pairwise_distances(X=points)

然而，这样我没有使用 OOP 的优势。

我试过一些奇怪的东西，比如：

pairwise_distances(X=p[:].x)

但当然，它不起作用。

我遇到的另一个例子与捕食者-猎物模型有关。理想情况下，从数字的角度来看，我会将每只动物组装成矩阵形式，这样解决起来会更快，但从 OOP 中我创建了一个包含常量的动物对象，为了解决它，我陷入了混乱且缓慢的代码。

有没有办法以优雅的 Python 方式解决这些问题？我应该选择以一种方式编程而不是另一种吗？

谢谢你。

标签： python-3.xoopscikit-learn

解决方案

推荐阅读