python - 是否有更有效的方法来迭代矩阵并在特定列上执行计算?
问题描述
我有一个包含 2 列的矩阵(具有两个特征的矩阵“X” - feature0 和 feature1)和可变的行数。对于每个样本(矩阵中的行),我想计算一个扩展行,使得每一行都是 [feature0, feature1, feature0^2, feature1^2, feature0*feature1, 1]。
我在下面写了函数来完成这项工作。
def expand(X):
X_expanded = np.zeros((X.shape[0], 6))
for i in range(X_expanded.shape[0]):
for j in range(X_expanded.shape[1]):
if j <= 1:
X_expanded[i, j] = X[i, j]
elif j == 2:
X_expanded[i, j] = X[i, 0]*X[i, 0]
elif j == 3:
X_expanded[i, j] = X[i, 1]*X[i, 1]
elif j == 4:
X_expanded[i, j] = X[i, 0]*X[i, 1]
elif j == 5:
X_expanded[i, j] = 1
return X_expanded
我的问题是,是否有更有效或“更好的方法”来执行此计算?对我来说似乎很麻烦,所以欢迎任何建议。提前致谢。
解决方案
尝试制作一个简单的函数并将它们堆叠起来:
import numpy as np
def expanded(arr_2d):
c1, c2 = arr.T
return np.hstack([arr_2d, np.vstack([c1 ** 2, c2 ** 2, c1 * c2, np.ones(c1.shape[0])]).T])
这大约快 145 倍:
arr = np.random.randint(0, 100, (10000, 2))
%timeit expand(arr)
# 41 ms ± 3.04 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit expanded(arr)
# 282 µs ± 10.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
验证检查:
np.all(expand(arr) == expanded(arr))
# True
推荐阅读
- fusion360 - 如何在 Fusion 350 中对一端为圆形,另一端为正方形的圆柱体进行调制
- reactjs - Ant Design 的“折叠的内联菜单”错误
- r - D 函数返回零
- ios - HeaderCell 仅被添加到表视图一次
- python - 日期时间绘图回溯无信息
- python - 更改 maptlotlib 的默认样式会破坏图例标记
- python - 在python中将CSV转换为JSON文件
- ios - FileProvider:“CopyItem()”被调用了两次 -> 错误(FTP 下载)
- javascript - 通过 onclick 事件将多个参数传递给 JavaScript 函数
- javascript - 无法使用带有共享组件的 formControl 绑定默认值